Vous examinerez la nature des séries chronologiques et apprendrez les bases des modèles ARMA qui peuvent expliquer le comportement de telles données. Vous apprendrez les commandes R de base nécessaires pour préparer des données brutes de séries chronologiques dans un format pouvant être analysé au moyen de modèles ARMA.

Commençons par l'essentiel

Exploration des données

Éléments des séries chronologiques

Stationnarité et non-stationnarité

Différenciation

Enlever la tendance des données

Gérer la tendance et l'hétéroscédasticité

Séries temporelles stationnaires : ARMA

Simuler des modèles ARMA

Données et modèles de séries chronologiques

Vous découvrirez le monde des modèles ARMA et comment les ajuster à des données de séries chronologiques. Vous apprendrez à identifier un modèle, à choisir le bon modèle et à le vérifier une fois ajusté aux données. Vous apprendrez à utiliser les commandes R pour séries chronologiques des paquets stats et astsa.

Modèles AR et MA

Ajuster un modèle AR(1)

Ajuster un modèle AR(2)

Ajuster un modèle MA(1)

AR et MA ensemble

Ajuster un modèle ARMA

Identifier un modèle ARMA

Choix du modèle et analyse des résidus

Choix de modèle - I

Choix de modèle - II

Analyse des résidus - I

Analyse des résidus – II

ARMA, on se lance

Ajuster des modèles ARMA

Maintenant que vous savez ajuster des modèles ARMA à des séries chronologiques stationnaires, vous apprendrez les modèles ARMA intégrés (ARIMA) pour des séries non stationnaires. Vous ajusterez des modèles à des données réelles à l'aide des commandes R pour séries chronologiques des paquets stats et astsa.

ARIMA – ARMA intégré

ARIMA - prêt à l'emploi

ARIMA simulé

Réchauffement planétaire

Diagnostique d'ARIMA

Diagnostics — surajustement simulé

Diagnostic – températures globales

Prévision avec ARIMA

Prévisions avec un ARIMA simulé

Prévision des températures mondiales

Modèles ARIMA

Vous apprendrez à ajuster et à prévoir des séries chronologiques saisonnières à l'aide de modèles ARIMA saisonniers. Cela s'appuie sur ce que vous avez vu dans les chapitres précédents et montre comment étendre les commandes R pour séries chronologiques offertes dans les paquets stats et astsa.

Modèles saisonniers purs

P/ACF des modèles purement saisonniers

Ajuster un modèle purement saisonnier

Modèles saisonniers mixtes

Ajuster un modèle saisonnier mixte

Analyse de données - chômage I

Analyse de données - chômage II

Analyse de données – prix des produits de base

Analyse de données - taux de natalité

Prévision avec ARIMA saisonnier

Prévisions du taux de chômage mensuel

Prédire les prix des produits de base, est-ce si difficile ?

Félicitations !

ARIMA saisonnier

Dans ce cours, vous deviendrez expert dans l'ajustement de modèles ARIMA à des données de séries chronologiques avec R. D'abord, vous explorerez la nature des séries chronologiques à l'aide des outils du paquet stats de R. Ensuite, vous apprendrez à ajuster divers modèles ARMA à des données simulées (où vous connaîtrez le bon modèle) en utilisant le paquet R astsa. Une fois les bases acquises, vous verrez comment ajuster des modèles ARMA intégrés, ou modèles ARIMA, à différentes données réelles. Vous apprendrez à vérifier la validité d'un modèle ARIMA et à prévoir des séries chronologiques. Enfin, vous apprendrez à ajuster des modèles ARIMA saisonniers, y compris la prévision, avec le paquet astsa.

Time Series Analysis in R

Dans ce cours, devenez expert en ajustement de modèles ARIMA à des séries temporelles avec R.

Modèles ARIMA en R

Devenez expert en ajustement de modèles ARIMA (moyenne mobile intégrée autorégressive) aux séries chronologiques avec R.

Analyste quantitatif  en R

Séries chronologiques  en R

Éléments des séries chronologiques

Modèles ARIMA en R

Exercice interactif pratique