31-1-2005

Sries chronologiques
Nino Silverio
Support de cours provisoire pour lunit de valeur Mathmatiques et statistiques destin aux classes du BTS Comptabilit-Gestion de lECG.

Introduction
DFINITION

Une srie chronologique est une srie statistique ordonne en fonction du temps. Exemples : le cours journalier en bourse ( la clture) dune action, la temprature extrieure releve un mme endroit 15h, etc. Ltude de ces sries est intressante car elle peut permettre de prvoir lvolution du phnomne observ dans le temps. Voici une srie chronologique (source Statec) indiquant le nombre de victimes dans des accidents de la route au Luxembourg :
Anne 1970 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 Nombre de victimes 2497 2380 2239 2034 2193 2185 2075 2062 1749 1946 1914 1846 Anne 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 Nombre de victimes 1725 1725 1720 1616 1730 1609 1559 1575 1588 1331 1246

Introduction

Cette srie chronologique peut tre reprsente graphiquement de la faon suivante :

COMPOSANTES

Sur la reprsentation graphique dune srie chronologique, on peut distinguer les composantes fondamentales suivantes : le mouvement de tendance gnrale ou trend indiquant lvolution gnrale du phnomne tudi les mouvements cycliques sur une grande priode autour du trend. Ces mouvements peuvent tre priodiques (exemple : rcession et expansion conomique, etc.) les mouvements saisonniers ou variations saisonnires sont des variations se reproduisant priodiquement des moments bien dtermins (exemple : vente de mazout avant lhiver, etc.) les mouvements accidentels ou rsiduels sont dus des facteurs exceptionnels pour la plupart imprvisibles (grve, risque de guerre, etc.)

Sries chronologiques

Estimation de la tendance

Estimation de la tendance
Il est clair quafin de pouvoir estimer la tendance, cest--dire le mouvement dun phnomne observ sur un grand intervalle de temps, il faut disposer dune srie statistique sur une longue priode. Disposant de ces donnes, le premier travail consiste effectuer une reprsentation graphique adquate permettant davoir une vue globale du phnomne tudi.
MOYENNES MOBILES

Afin dliminer ou damortir les mouvements cycliques, saisonniers et accidentels, on utilise la technique des moyennes mobiles. On procde ainsi en quelque sorte au lissage de la courbe. Le principe de cette mthode est de construire une nouvelle srie obtenue en calculant des moyennes arithmtiques successives de longueur p fixe partir des donnes originales. Chacune de ces moyennes obtenues correspondra au milieu de la priode pour laquelle la moyenne arithmtique vient dtre calcule. Exemple : le tableau ci-dessous contient des mesures dun phnomne releves 9 instants diffrents. t1
4

t2
6

t3
5

t4
3

t5
7

t6
5

t7
4

t8
3

t9
6

Si nous calculons les moyennes mobiles dordre 3, nous obtenons les valeurs suivantes : t1
4

t2
6 5.00

t3
5 4.67

t4
3 5.00

t5
7 5.00

t6
5 5.33

t7
4 4.00

t8
3 4.33

t9
6

16 La moyenne mobile dordre 3 pour t 6 vaut 7 + 5 + 4 = ----- 5.33 On -------------------3 3 constate que, vu la faon de calculer ces moyennes, les deux valeurs extrmes pour t 1 et t 9 ont disparu, cest--dire une de chaque ct. En calculant les moyennes mobiles dordre 5, nous aurons : t1
4

t2
6

t3
5 5

t4
3 5.2

t5
7 4.8

t6
5 4.4

t7
4 5

t8
3

t9
6

Sries chronologiques

Estimation de la tendance

Exemple : la valeur pour t 4 vaut 6 + 5 + 3 + 7 + 5 = 26 = 5.2 Cette ------------------------------------------5 5 fois-ci les deux valeurs extrmes de la srie sont perdues. On constate que si p est impair, donc de la forme p = 2k + 1 , chaque extrmit k valeurs sont perdues. En reprsentant graphiquement ces rsultats, nous remarquons bien la tendance au lissage de la reprsentation orginale avec lutilisation de la technique des moyennes mobiles.

En choississant p pair, nous sommes confronts au problme que les moyennes obtenues ne correspondront pas une abscisse existante, mais chevaucheront entre deux de ces valeurs. Exemple : dans la srie chronolgique prcdente, si nous calculons les moyennes mobiles dordre 4, nous obtenons des valeurs pour t 2.5 , t 3.5 , etc., ce qui nest pas pratique. Cest pour cette raison quon calcule une moyenne sur 5 valeurs mais en prenant soin de pondrer les deux valeurs extrmes par 1 2 au lieu de 1 pour les autres valeurs. Il faut quand mme veiller diviser par 4 (et non par 5) ! Ceci nous garantit que chaque valeur nest prise en compte quune seule fois.

Sries chronologiques

Estimation de la tendance

Nous aurons donc les moyennes mobiles dordre 4 suivantes : t1

4

t2
6

t3
5 4.88

t4
3 5.13

t5
7 4.88

t6
5 4.75

t7
4 4.63

t8
3

t9
6

Pour mieux comprendre, voici le calcul pour t 3 de la moyenne mobile 1 4 1 + 6 + 5 + 3 + 7 --2 2 dordre 4 : t 3 = ------------------------------------------------------- = 39 = 4.875 ----4 8
AJUSTEMENT ANALYTIQUE

Si les donnes (brutes ou lisses) sur le graphique se prsentent sous une forme ressemblant une courbe connue (droite, parabole, exponentielle, etc.), on peut essayer de dgager une forme analytique pour cette courbe. Nous ajustons cette courbe avec les mthodes tudies au chapitre prcdent.

Le graphique ci-dessus reprsente les mmes donnes que dans lexemple initial du chapitre, mais cette fois-ci, le graphique contient une approximation linaire du trend ralise automatiquement par Excel ainsi que les deux droites de rgression calcules avec les formules vues dans le chapitre prcdent.

Sries chronologiques

Estimation des mouvements saisonniers

Estimation des mouvements saisonniers

MODLE ADDITIF, MODLE MULTIPLICATIF

Pour effectuer lanalyse des mouvements saisonniers, on essaie dabord de dterminer si on est en prsence dune srie dans laquelle pour une observation O donne : la variation saisonnire S sajoute simplement la rsultante des autres composantes R ; O = R + S cest le modle additif la variation saisonnire S est proportionnelle la rsultante des autres composantes R :

S = cR et alors O = S + R = cR + R = R ( 1 + c ) cest le modle multiplicatif. Afin de faire cette distinction, on peut se baser sur une mthode graphique ou utiliser une mthode analytique. Nous tudions ces mthodes sur un exemple concret en nous basant sur la srie chronologique Nouvelles immatriculations de voitures particulires, commerciales et utilitaires neuves selon le mois (source Statec) :
Septembre Novembre 1673 1966 2388 2510 2737 Dcembre 1602 1695 2126 2182 2055 Octobre 2314 2450 2831 3071 3085 Fvrier Janvier Anne Juillet 3015 2730 3247 3611 3341 Mars Avril Aot 1504 1648 1928 2260 2439 Juin 2527 2727 3083 3678 3545 Mai 3100 2838 3399 3552 4814

1996 1997 1998 1999 2000

2006 2247 2433 3127 3016

3224 3862 3723 4437 4671

3789 3586 4325 5478 5218

4153 4047 4493 4384 4746

1847 2007 2377 2699 2637

MTHODE DU PROFIL

Pour faire cette dtermination (modle additif, multiplicatif) graphiquement, on peut par exemple superposer les saisons reprsentes par des droites de profil sur un mme graphique. Si ces droites sont parallles, le modle est additif, autrement le modle est multiplicatif. Sur le graphique de notre exemple, les droites de profil ne sont pas parallles pour toutes les saisons, le modle est multiplicatif. Ceci est confirm en utilisant une autre mthode graphique : la mthode de la bande.

MTHODE DE LA BANDE

On fait un graphique reprsentant la srie chronologique, puis on trace une droite passant respectivement par les minima et par les maxima de chaque saison. Si ces deux droites sont parallles, nous sommes en

Sries chronologiques

Estimation des mouvements saisonniers

prsence dun modle additif. Dans le cas contraire, cest un modle multiplicatif.

Sur cet exemple, nous constatons que les deux droites ne sont pas parallles, nous sommes donc en prsence dun modle multiplicatif.
Sries chronologiques

Correction des variations saisonnires

MTHODE ANALYTIQUE

On calcule les moyennes et carts-types pour chacune des priodes considres et on calcule la droite des moindres carrs = ax + b . Si a est nul, cest un modle additif, si a 0 , le modle est multiplicatif.
Moyenne 1996 1997 1998 1999 2000 2562.8 2650.3 3029.4 3415.8 3525.3 cart-type 850.7 782.3 803.6 946.6 1023.4

En calculant la droite des moindres carrs, on obtient a = 0.195 et b = 289.037, ce qui confirme encore une fois que pour cet exemple, nous sommes bien en prsence dun modle multiplicatif.

Correction des variations saisonnires

DONNES DSAISONNALISES

Dans beaucoup de situations, il est prfrable de travailler sur des donnes qui ne sont pas affectes par un mouvement saisonnier. Cest pour cela que lon transforme la srie chronologique initiale en donnes dsaisonnalises ou corriges des variations saisonnires. Considrons la srie statistique des chiffres daffaires trimestriels (en milliers d) dune entreprise [3].

MODLE ADDITIF

Trim 1

Trim 2

Trim 3

Trim 4

Trim 1

Trim 2

Trim 3

Trim 4

Trim 1

Trim 2

Trim 3

Trim 4

Trim 1

Trim 2

Trim 3

Trim 4

120

181

71

119

128

190

73

124

140

196

84

133

145

206

96

142

Le modle de la srie statistique est bien additif, pour sen convaincre, il suffit demployer la mthode de la bande et de constater que la droite qui passe par les maxima et celle qui passe par les minima sont parallles. Calculons les moyennes mobiles dordre 4 (puisque nous sommes en prsence dune srie dont la priodicit est de 4 trimestres). Ensuite nous dterminons les diffrences saisonnires, cest--dire les diffrences entre les valeurs de la srie statistique de dpart et les valeurs des moyennes mobiles correspondantes.

Sries chronologiques

Correction des variations saisonnires

Ces diffrences vont nous servir pour obtenir les cfficients saisonniers non corrigs trimestriels. Les cfficients saisonniers ne sont en fait que les moyennes des diffrences saisonnires pour chacun des trimestres. Par exemple pour le premier trimestre, nous obtenons : ( 0.75 + 5.38 + 1.50 ) ------------------------------------------------ 2.54 3 Nous calculons de cette manire les quatre cfficients saisonniers. Nous supposons que la composante saisonnire est strictement priodique. Leffet net de la composante saisonnire sur une priode doit tre nul car il est repris dans la tendance gnrale de la srie chronologique. Ceci nous amne donc rectifier les cfficients saisonniers non corrigs en leur retranchant la moyenne des cfficients saisonniers pour toutes les priodes.

Sries chronologiques

Correction des variations saisonnires

Disposant maintenant des cfficients saisonniers corrigs, nous pouvons dsaisonnaliser la srie chronologique en retranchant de chacune des valeurs initiales la valeur du cfficient saisonnier correspondant. Le graphique ci-dessous reprend la srie chronologique de dpart ainsi que la srie chronologique dsaisonnalise.

MODLE MULTIPLICATIF

Nous verrons deux techniques pour dsaisonnaliser une srie statistique dans lhypothse dun modle multiplicatif, de loin le plus frquent en pratique. En utilisant la mthode des moyennes mobiles, nous calculons les moyennes mobiles dordre gal au nombre de priodes de la saison (mois, trimestre, anne, etc.).
Tableau des moyennes mobiles d'ordre 12 Septembre Novembre 2599 2776 Dcembre 2597 2815 Octobre 2615 2734

MTHODE DES MOYENNES MOBILES

Janvier

Fvrier

Anne

Juillet 2573

Mars

Avril

1996 1997 2593 2587 2600 2612 2630 2646

2610 2660

Aot

Juin

Mai

2628 2685

2658

10

Sries chronologiques

Correction des variations saisonnires

1998 1999 2000

2851 3311 3517

2884 3340 3514

2911 3368 3518

2942 3391 3516

2976 3406 3526

3011 3413 3531

3058 3411

3117 3416

3195 3415

3238 3419

3240 3487

3271 3534

Aprs avoir calcul ces moyennes, on calcule les rapports saisonniers qui sont gaux aux donnes de la srie dorigine divises par les moyennes mobiles correspondantes.
Tableau des rapports saisonniers Septembre Novembre 0.64 0.71 0.74 0.72 Dcembre 0.62 Dcembre 0.62 Dcembre 0.62 0.60 0.65 0.62 Somme 12.012 Somme 12.00 Octobre 0.88 0.90 0.87 0.90 0.70 0.70 Novembre Novembre Fvrier Janvier Anne Juillet 1.17 0.87 0.85 0.94 0.86 1.49 1.29 1.33 1.33 1.38 1.49 1.63 1.48 1.55 1.53 1.29 1.35 1.08 1.14 1.04 1.37 1.03 1.02 1.08 1.00 1.03 1.06 1.06 Mars Avril Aot 0.58 0.62 0.62 0.66 Septembre 0.75 0.89 Septembre 0.75 0.89 Octobre Octobre Juin Mai

1996 1997 1998 1999 2000

CFFICIENTS SAISONNIERS

0.70 0.75 0.74 0.79

Nous effectuons ensuite les moyennes des rapports saisonniers pour chacune des priodes de la saison. Ces moyennes sont les cfficients saisonniers.
Cfficients saisonniers Fvrier Janvier Juillet 1.08 Juillet 1.08 Mars Avril Aot 0.62 0.62 Aot Juin 1.03 1.03 Juin Mai 1.16 1.16 Mai

0.88

1.36

1.49

1.43

On admet en gnral que la somme des cfficients saisonniers est gale au nombre de priodes de la saison, dans notre exemple gale 12 ou que la moyenne des cfficients saisonniers est gale 1. Dans notre cas, elle vaut 1.001. Nous corrigeons les valeurs calcules en les divisant par cette moyenne.
Cfficients saisonniers corrigs Fvrier Janvier Mars 1.49 Avril 1.43

0.88

1.36

Sries chronologiques

11

Correction des variations saisonnires

Disposant des cfficients saisonniers corrigs, lobtention de la srie chronologique dsaisonnalise est immdiate : il suffit de diviser chaque valeur de la srie dorigine par le cfficient saisonnier corrig de la priode correspondante.
Srie chronologique corrige des variations saisonnires Septembre Novembre 2385 2803 3405 3578 3902 Dcembre 2580 2730 3424 3514 3309 Octobre 2608 2761 3190 3461 3476 Fvrier Janvier Juillet 2795 2531 3010 3348 3097 Mars Avril Aot 2432 2665 3118 3655 3944 Juin 2447 2640 2985 3561 3432 Mai 2681 2455 2940 3072 4164

Anne

1996 1997 1998 1999 2000

2281 2555 2766 3555 3429

2372 2842 2740 3265 3437

2539 2403 2899 3671 3497

2908 2834 3146 3070 3323

2478 2692 3189 3621 3538

Voici une reprsentation graphique sur laquelle nous avons report les donnes originales ainsi que les donnes corriges des variations saisonnires.

MTHODE DES RAPPORTS LA TENDANCE

Une autre faon de procder pour dsaisonnaliser une srie chronologique consiste calculer la droite de rgression des donnes en fonction des n priodes de la saison.

12

Sries chronologiques

Correction des variations saisonnires

Dans notre exemple, nous tablissons la droite de rgression des ventes par rapport aux 60 (12 fois 5 saisons) priodes. Cette droite est dquation y = 14.64x + 2590.08 . Calculons alors les valeurs pour chacune des priodes en nous basant sur la droite de rgression que nous venons dtablir. Nous obtenons le tableau suivant :
Valeurs bases sur la droite de rgression
y = 14.64x + 2590.08

Septembre

Novembre 11 2751 2927 3103 3278 3454 Novembre 0.61 0.67 0.77 0.77 0.79 Dcembre 0.62

Anne

1 1996 1997 1998 1999 2000 2605 2780 2956 3132 3308

2 2619 2795 2971 3147 3322

3 2634 2810 2985 3161 3337

4 2649 2824 3000 3176 3352

5 2663 2839 3015 3190 3366

6 2678 2854 3029 3205 3381

7 2693 2868 3044 3220 3395

8 2707 2883 3059 3234 3410

9 2722 2898 3073 3249 3425

10 2737 2912 3088 3264 3439

12 2766 2942 3117 3293 3469

Pour obtenir les rapports saisonniers, il suffit de diviser les valeurs originales par celles obtenues en se basant sur la droite de rgression.
Tableau des rapports saisonniers Septembre Dcembre 0.58 0.58 0.68 0.66 0.59 Somme 12.00 Octobre Fvrier Janvier Juillet Mars Avril Aot Juin Mai

Anne

1996 1997 1998 1999 2000

0.77 0.81 0.82 1.00 0.91

1.23 1.38 1.25 1.41 1.41

1.44 1.28 1.45 1.73 1.56

1.57 1.43 1.50 1.38 1.42

1.16 1.00 1.13 1.11 1.43

0.94 0.96 1.02 1.15 1.05

1.12 0.95 1.07 1.12 0.98

0.56 0.57 0.63 0.70 0.72

0.68 0.69 0.77 0.83 0.77

0.85 0.84 0.92 0.94 0.90

Nous calculons ensuite la moyenne pour chaque priode obtenant ainsi les cfficients saisonniers.
Cfficients saisonniers Septembre Novembre Octobre Fvrier Janvier Juillet Mars Avril Aot Juin Mai

0.86

1.34

1.49

1.46

1.17

1.02

1.05

0.63

0.75

0.89

0.72

Sries chronologiques

Dcembre

Octobre

Janvier

Fvrier

Juillet

Mars

Avril

Aot

Juin

Mai

13

Correction des variations saisonnires

Nous navons pas besoin dajuster ces cfficients puisque leur somme vaut 12 (nombre de priodes par saison). Finalement, nous obtenons de la mme faon que prcdemment les valeurs de la srie chronologique corriges des variations saisonnires :
Srie chronologique corrige des variations saisonnires Septembre Novembre 2319 2725 3310 3479 3793 Dcembre 2590 2740 3437 3528 3322 Octobre 2605 2758 3187 3457 3473 Fvrier Janvier Juillet 2875 2603 3096 3443 3186 Mars Avril Aot 2371 2598 3039 3563 3845 Juin 2471 2667 3015 3597 3467 Mai 2657 2432 2913 3044 4125

Anne

1996 1997 1998 1999 2000

2326 2606 2821 3626 3497

2412 2890 2786 3320 3495

2539 2403 2899 3671 3497

2846 2774 3079 3005 3253

2466 2679 3173 3603 3520

Voici pour terminer une reprsentation graphique de la srie originale, de la droite de rgression et de la srie dsaisonnalise.

14

Sries chronologiques

Exercices non rsolus

Exercices non rsolus

1.

En vous basant sur la srie chronologique suivante (source BelgoStat), que pouvez vous dire sur la consommation de gaz-oil et fuel lger en Belgique ? Quelles sont vous prvisions pour les six premiers mois de lanne 2002 ? Ptrole (milliers de tonnes) Gas-oil et fuel-oil lger
dc-01 nov-01 oct-01 sept-01 aot-01 juil-01 juin-01 mai-01 avr-01 mars-01 fvr-01 janv-01 1083 921 753 1106 883 776 708 773 950 1071 939 1199 dc-00 nov-00 oct-00 sept-00 aot-00 juil-00 juin-00 mai-00 avr-00 mars-00 fvr-00 janv-00 1087 964 946 735 840 635 664 811 915 973 1048 993 dc-99 nov-99 oct-99 sept-99 aot-99 juil-99 juin-99 mai-99 avr-99 mars-99 fvr-99 janv-99 962 1032 993 793 808 637 683 729 806 1168 1135 1002

2.

Voici une srie statistique trimestrielle (source BelgoStat) sur le degr d'utilisation de la capacit de production en % dans les secteurs briques, ciment, cramique pour le btiment et l'industrie, verre plat. Quelles conclusions pouvez-vous en tirer ?
1995T1 1995T2 1995T3 1995T4 1996T1 1996T2 1996T3 1996T4 1997T1 1997T2 1997T3 1997T4 1998T1 1998T2 1998T3 1998T4 86 86 85.6 84.6 80.9 79.7 81.6 81.5 77.5 77.6 79.9 88.1 82.3 87 85 84.7 1999T1 1999T2 1999T3 1999T4 2000T1 2000T2 2000T3 2000T4 2001T1 2001T2 2001T3 2001T4 2002T1 2002T2 2002T3 2002T4 75.7 81.8 80.9 84.8 72 78.5 81.8 81.4 83.2 82.6 84.1 82.7 77.9 79 83.6 83.6

Sries chronologiques

15

Rfrences

Rfrences
[1] Michel Janvier, Statistique descriptive avec ou sans tableur, Dunod, 1999 [2] David M. Levine, Mark L. Berenson, David Stephan, Statistics for managers, Prentice Hall, 1999 [3] J.-L. Monino, J.-M. Kosianski, F. Le Cornu, Statistique descriptive, Dunod, 2000 [4] M. Boissonade, A. M. Halbique, Statistique et probabilits, Ligel, 1968

16

Sries chronologiques