EXERCICES

Exercice 1
L’examen de la consommation d’energie d’un parc-machine a suscité une interrogation
selon laquelle cette consommation est purement saisonnière (suite à l’activité
saisonnière de l’entreprise) ou alors saisonnière avec effet tendanciel (dû à l’âge du parc
en plus de l’activité saisonnière). Il va sans dire qu’on admet l’existence d’un effet
purement alétoire additif dans les deux schémas possibles. Compte tenu des
observations semestrielles couvrant une période de cinq ans présentées dans le tableau
suivant :
Année 1 2 3 4 5
Semestre 1 1 0. 9 1 1. 3 1. 5
Semestre 2 2 1. 5 1. 7 1. 9 2

1. Proposer une formalisation du problème posé.

2. Apporter une réponse à cette interrogation en justifiant votre démarche.
3. Quelles sont les prévisions de la consommation d’énergie pour la sixième année ?
Exercice 2
On désigne par y t l’observation courante de la période t d’une grandeur quantitative où t
varie de 1 à T avec T très grand. On admet que la série y t est composée d’un effet
tendanciel affine, de deux effets saisonniers, d’un effet accidentel nul et d’un terme
d’erreur centré et de variance σ 2 .
1. Rappeler brièvement la différence de nature entre un effet accidentel, un effet
saisonnier et un effet aléatoire.
2. En admettant, dans cette question, que l’effet tendanciel est la seule composante
non-nulle de y t .
2.a Donner l’expression de la prévision faite en T pour T + 1 de la grandeur y obtenue la
méthode de lissage exponentiel simple.
2.b Expliciter cette prévision en fonction des paramètres de la composante tendancielle,
de la constante de lissage et de T. On rappelle que :
∑ i=0 T − iw i = 1 −T w − 1 −ww 2
T−1

2.c Prouver que la prévision obtenue comporte un biais de prévision systématique.

3. En admettant, dans cette question, que seule la composante accidentelle est nulle.
3.a Prouver que y t peut s’écrire sous la forme :
y t = at + b + cD t + u t
où D t est une variable prenant alternativement les valeurs 1 et −1.
3.b Identifier les composantes de y et trouver la prévision de y T+1 avec les valeurs
numériques suivantes :
t 1 2 3 4 5 6 7 8 9 10
yt 3 1 6 3 8 5 9 7 12 10

Exercice 3
Le niveau des exportations y t relatif à un semestre t d’une entreprise industrielle connaît
un rythme différent sur chacun des deux semestres de l’année en plus de son rythme de
croissance régulier et d’un effet purement aléatoire. Nous admettons que l’évolution de

1
y t est de la forme :
y t = at + b + s t + u t
où s t est égal soit à s 1 soit à s 2 selon qu’il s’agit d’un premier ou d’un deuxième
semestre, u t est un terme d’erreur et t = 1, . . . , T (T est un nombre pair).
1. Donner une interprétation de l’équation précédente en rappelant et en commentant
les hypothèses habituelles de u t .
2. Utiliser des variables muettes D 1t et D 2t pour obtenir une équation où y t s’exprime en
fonction de t, de D 1t , de D 2t , de u t et sans terme constant.
3. Expliciter les équations (sans les résoudre) permettant de déterminer les estimations
de a de s 1 et de s 2 par la méthode des moindres carrés.
4. Les valeurs numériques de y t sur 8 semestres (4 années) successifs sont les
suivantes :
t 1 2 3 4 5 6 7 8
yt 2 2 5 3 6 4 7 5

Déterminer les estimations de a de s 1 et de s 2 par la méthode des moindres carrés. En

déduire la série corrigée des variations saisonnières.
5. Dans cette question, nous allons supposer que y t est désormais un processus
autorégressif d’ordre un avec un terme constant (sans terme saisonnier) :
y t = ay t−1 + b + u t
où u t est un terme d’erreur ayant les propriétés habituelles.
5.a. Rappeler la condition de stationnarité en fonction de a du processus y t . Quelle est
alors la valeur de la variance de y t ?
5.b Calculer la variance de x t = y t − y t−1 .
5.c Sachant que l’espérance mathématique de y t est égale à l’unité, trouver la relation
entre a et b.
5.d En déduire que z t = y t − 1 est un processus autorégressif d’ordre un sans terme
constant.
5.e Utiliser les valeurs de z t déduites des valeurs de y t de la question 3 pour estimer a
5.f En déduire la prévision de y t pour T + 1 = 9.
5.g Calculer les trois premières valeurs du coefficient d’auto corrélation linéaire de z t .
Exercice 4
Soit y t une grandeur économique, observée régulièrement telle que t = 1, 2, . . . , T. On
désire effectuer des prévisions de cette grandeur relatives aux périodes T + 1 et T + 2.
1. Dans cette première question, on vous demande de déterminer ces prévisions en
utilisant la méthode de lissage exponentiel simple.
1.a Rappeler le principe et l’intérêt de cette méthode.
1.b Donner l’expression de la prévision faite en T pour la période future T + 1, notée
y pT,T+1 .
1.c Exprimer y pT,T+1 en fonction de y t , y T−1,T
p
et la constante de lissage.
2. Application numérique. Le tableau suivant enregistre les valeurs de la variable y t qui a
été observée sur six périodes (T = 6) :
t 1 2 3 4 5 6
yt 2 4 5 8 11 12

on admet que w = 0. 5 et que la prévision initiale est égale à y P2,3 = 4. Calculer la prévision
de y t pour les périodes T + 1 et T + 2.
3. En déduire les erreurs de prévisions e t pour les différentes périodes.

2
Exercice 5
Considérons deux grandeurs quantitatives distinctes notées y t et z t observées
trimestriellement telles que :
y t = at + b + u t
et
z t = c + s 1 D 1t + s 2 D 2t + s 3 D 3t + s 4 D 4t + v t
où D 1t , D 2t , D 3t et D 4t sont quatre variables binaires (muettes ou dummy) associées aux
quatre trimestres alors que u t et v t sont deux termes d’erreurs indépendants dans le
temps et indépendants entre eux tout en ayant les propriétés habituelles et t = 1, . . . , T
avec T multiple de 4.
1.a Interpréter le schéma d’évolution de chacune des deux variables y t et z t .
1.b Donner des exemples économiques avec des évolutions comparables à celle de y t
et z t .
2.a Rappeler les expressions des estimations de a et de b par les moindres carrés
ordinaires.
2.b Prouver que les valeurs numériques des estimations de a et de b dépendent des
unités de mesures de la variable y t . Comment peut-on s’assurer de leur significativité?
3. Déterminer les estimations des effets s 1 , s 2 , s 3 et s 4 . Justifier toutes les étapes de
votre calcul.
4. Application numérique. Reprendre la question précédente sachant que l’on dispose
des T = 12 observations suivantes sur z t
t 1 2 3 4 5 6 7 8 9 10 11 12
zt 2 5 4 7 3 7 7 5 2 6 5 8

5. En fait, les variables y t et z t ne sont pas observables et seule leur somme x t est
connue pour chaque instant t. Comment peut-on estimer les diverses composantes de
x t ? Justifier votre réponse.
Exercice 6
On désigne par x t et z t les chiffres d’affaires relatifs à la période t de deux points de
ventes d’une même chaîne de magasins. On suppose que x t et z t sont deux processus
AR1 :
x t = ax t−1 + u t |a|< 1
z t = bz t−1 + v t |b|< 1
avec u t  Nid0, σ 2u  v t  Nid0, σ v  et u t et v s indépendantes pour tout t et s. On note
2

yt = xt + zt.
1.a. Calculer Ey t , vary t  et covy t , y t+1 .
1.b. En déduire les relations entre le coefficient d’autocorrélation d’ordre un de y et les
coefficients d’autocorrélation d’ordre 1 de x et de z.
1.c. Généraliser le calcul précédent pour l’ordre s.

Exercice 7
Une variable économique y t observée à intervalles de temps réguliers, s’écrit pour t
entier quelconque, sous la forme suivante :
y t = ay t−1 + by t−2 + ct + d + u t
où u t sont des variables aléatoires indépendantes, centrées et de variance σ 2 .
1. Dans cette question, on admet que a = b = 0.
1.a Prouver que la série y t n’est pas stationnaire.
1.b Calculer la covariance ainsi que ρ le coefficient de corrélation linéaire entre y t et y t−1 .

3
1.c Peut-on prévoir y t pour t = T + 1 par la méthode de lissage exponentiel simple ?
justifier votre réponse.
2. Dans cette question, on admet que seuls les coefficients a, c et d sont nuls alors que
le paramètre b est tel que 0 < b < 1.
2.a Prouver que la série y t est un processus MA d’ordre infini.
2.b Calculer l’espérance mathématique et la variance de y t .
2.c Calculer cov(y t ,y t−s ) ainsi que le coefficient de corrélation linéaire d’ordre s entre ces
variables pour s entier positif. En quoi ce processus différe-t-il d’un processus AR(1) ?
Exercice 8
Sur le marché en équilibre d’un bien agricole donné, considérons le modèle d’évolution
des prix P t et des quantités demandées Q dt et offertes Q 0t défini par :
Q dt = Q t = aP t + a ′ + u t et Q 0t = Q t = bP t−1 + b ′ + v t
et avec u t iiD0, v t iiD0,  et u t et v s independants pour tout t et pour tout s.
1. Donner une brève interprétation économique des équations de demande et d’offre en
justifiant l’intérêt de la présence d’une variable décalée et en précisant les signes
escomptés des paramétres a et de b.
2.a Prouver que P t est un processus autorégressif d’ordre un.
2.b Le processus Q t est AR(1) ? justifier votre réponse.
2.c Quelle est la condition pour que ces processus soient stationnaires ?
2.d Trouver l’espérance mathématique et la variance de P t en distinguant les deux cas
suivants :
- le processus a existé pour t = −∞
- le processus a débuté en t 0 par une valeur certaine P 0
3. Comment se comporte le prix P t si a = −b sachant que le prix à t = 0 est nul : P 0 = 0 ?
Exercice 9
Le niveau des ventes d’une entreprise industrielle x t observé semestriellement est tel
que son logarithme népérien y t s’écrit sous la forme suivante :
y t = log x t = at + b + s t + u t pour t = 1, . . . , T
où T est un nombre pair, s t est un effet saisonnier pouvant être égal à s 1 ou s 2 selon que
t est impair ou pair et u t est un terme d’erreur aléatoire ayant les propriétés habituelles.
1.a Expliquer brièvement comment se fait l’estimation de a, b, s 1 et s 2 par la méthode
des moindres carrés en précisant la condition sur s 1 et s 2 .
1.b Que représente la constante a pour la grandeur x t ? Justifier votre réponse.
1.c Application numérique. Déterminer les valeurs de a, b, s 1 et s 2 sachant que les
observations de y sur T = 6 périodes sont les suivnates :
t 1 2 3 4 5 6
y 5 10 7 11 6 12

1.d En déduire la prévision de y pour les périodes T + 1 = 7 et T + 2 = 8.

1.e Quelle transformation peut-on effectuer sur y t pour la rendre stationnaire ?
2. Appliquer la méthode des moyennes mobiles pour déterminer la prévision de y pour la
période T + 1 = 7.
Exercice 10
1.a Vérifier pour |a| < 1 que :
2
1 + aL + a 2 L 2 +. . .  = 1 + 2aL + 3a 2 L 2 +. . .
1.b En déduire l’expression de la somme 1 + 2a + 3a 2 +. . . .
2. Considérons le modèle autorégressif d’ordre deux défini par :

4
 y t = 0. 8y t−1 − 0. 16y t−2 + 1 + u t
avec u t iiD0, σ .
2

2.a Prouver que le processus y t est stationnaire.

2.b Trouver la forme MA∞ de y t .
2.c En déduire Ey t  ainsi que les trois premiers coefficients d’autocorrélation (utiliser les
relations de Yule Walker).
Exercice 11
Considérons les deux processus AR1  suivants :
y t = 0. 5y t−1 + u t et z t = 0. 8z t−1 + u t
avec u t le même terme d’erreur ayant les propriétés classiques u t iiD0, σ 2  pour
t = 1, . . . , T.
1.a Utiliser les formes MA∞ de y t et de z t pour calculer le coefficient de covariance
entre y t et z t−1 d’une part et le coefficient de covariance entre z t et y t−1 d’autre part.
1.b Interpréter ce résultat.
2. On définit les deux processus somme et différence de y t et de z t : s t = y t + z t et
d t = y t − z t . Déterminer les natures des deux processus s t et de d t .