UE Séries temporelles 1

Diplômes intégrant cet élément pédagogique :

Descriptif

Concepts fondamentaux : données longitudinales et séries chronolo- giques; Visualisation d’une série chronologique univariée, repérage de ses caractéristiques et composantes. Mise en œuvre de transforma- tions éventuelles. Prise en compte des effets calendaires; Répérage, formalisation et modélisation d’une structure de dépendance tempo- relle; Modélisation d’une série chronologique non saisonnière fondée sur la généralisation du modèle linéaire; Introduction d’une compo- sante saisonnière, modèles de décomposition fondés sur le filtre de Buys-Ballot et ses généralisations; Modèles de décomposition d’une série chronologique fondés sur la théorie du filtrage: principes de fonctionnement, Moyennes et médianes mobiles, filtres élémentaire célèbres; Les procédures de filtrage utilisés dans les instituts sta- tistiques: Méthodes Census et évolutions vers X12-ARIMA; LOESS et STL, TRAMO-SEATS; Prévision d’une série temporelles fondée sur un modèle de décomposition: construction, validation; Prévision d’une série chronologique non saisonnière par lissage exponentiel: spécification, inférence et validation; Prévision d’une série chronolo- gique saisonnière par lissage exponentiel: spécification, inférence et validation.

En parallèle avec l’introduction des concepts statistiques se fait l’ap- prentissage des procédures R couramment utilisées pour certaines analyses. Un intérêt spécial sera accordé à la librairie forecast dé- veloppé  par  Rob  J.  Hyndman,  voir  Hyndman  et  collab.  (2008).

Certaines procédures écrite par David Meyer incorporées à la librairie stats seront aussi utilisées.

Pré-requis

Les connaissances de probabilités et statistique inférentielle nécessaires à l’admission au parcours SSD du programme de Master MIASHS. Le cours présuppose une connaissance réelle des propriétés géomé- triques et statistiques des modèles de régression linéaire, générale- ment enseignées dans les cours d’introduction à l’économétrie et une sensibilisation aux méthodes non-paramétriques liées sera bien-venue mais pas indispensable.

Compétences visées

L’enseignement repose principalement sur l’utilisation de logiciels, la visualisation, l’expérimentation numérique et la modélisation de séries réelles. À la fin du cours, ils seront en mesure d’aborder l’étude d’une série temporelle afin d’en décrire les principales caractéristiques et d’en faire la prévision.

Bibliographie

Abraham, B. et J. Ledolter. 1983, Statistical Methods for Fo-recasting, 1re éd., Wiley Series in Probability and Statistics, Wiley, New York, ISBN 0471867640.

Aragon, Y. 2011, Séries temporelles avec R : Méthodes et cas, 1re éd., Pratique R, Springer, Paris, ISBN 2817802071, 254 p..

Brockwell, P. J. et R. A. Davis. 1996, Introduction to TimeSeries and Forecasting, 1re éd., Springer series in statistics, Sprin- ger, New York, ISBN 038797419196, 420 p..

Cowpertwait, P. S. P. et A. Metcalfe. 2009, IntroductoryTime Series with R, Springer Series in Statistics, Springer, ISBN 978-0-387-88697-8.

Cryer, J. D. et K.-S. Chan. 2008, Time Series Analysis : WithApplications in R, 2e éd., Springer texts in statistics, Springer, New York, ISBN 0387759581, 505 p..

Diggle, P. J. 1996, Time Series : A Biostatistical Introduction, 1re éd., Oxford Statistical Science Series, No. 5, Oxford University Press, New York, ISBN 0198522061, 257 p..

Gouriéroux, C. et A. Montfort. 2000, Séries temporelles et modèles dynamiques, École nationale de la statistique et de l’ad- ministration économique et Centre d’étude des programmes éco- nomiques, Economica, Paris, ISBN 2717818073, 779 p..

Hyndman,  R.,  A.  B.  Koehler,  J.  K.   Ord  et   R.   D.   Sny- der. 2008, Forecasting with Exponential Smoothing : The State Space Approach (Springer Series in Statistics), 1re éd., Springer Series in Statistics, Springer, New York, ISBN 3540719164. URL https://www.otexts.org/fpp/.

Kaiser, R. et A. Maravall. 2000, Measuring Business Cyclesin Economic Time Series, Lecture Notes in Statistics (Book 154), vol. 154, softcover reprint of the original 1st ed. 2001 edition éd., Springer, New York, ISBN 0387951121, 190 p..

Ladiray, D. et B. Quenneville. 2001,  Seasonal  Adjustmentwith the X-11 Method, Lecture notes in statistics, Springer, New York, ISBN 978-1-4613-0175-2.

Makridakis, S. G., S.  C. Wheelwright et R.  J.  Hyndman. 1997, Forecasting : Methods and Applications, 3e éd., Wiley, New York, ISBN 0471532339, 642 p..

Pankratz, A. 1991, Forecasting with Dynamic Regression Models, 1re éd., Wiley series in probability and mathematical statistics., Wiley-Interscience, New York, ISBN 0471615285, 400 p..

Modalités de contrôle des connaissances

Session 1 ou session unique - Contrôle de connaissances

NatureTypeNature d'évaluationDurée (min)Coeff.
UECC Ecrit et/ou Oral100/100

Session 2 - Contrôle de connaissances

NatureTypeNature d'évaluationDurée (min)Coeff.
UECT Ecrit ou Oral120100/100

Informations complémentaires

Méthode d'enseignement : En présence
Lieu(x) : Grenoble - Domaine universitaire
Langue(s) : Français