Académique Documents
Professionnel Documents
Culture Documents
RD
Accueil > Cours > Analysez et modélisez des séries temporelles > Découvrez des algorithmes de traitement des
moyennes mobiles
07:01
On a comptabilisé pendant trois semaines consécutives le nombre journalier de visiteurs d’un musée
dont les jours de fermeture sont le samedi et le dimanche.
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 1/8
04/01/2021 Découvrez des algorithmes de traitement des moyennes mobiles - Analysez et modélisez des séries temporelles - OpenClassrooms
Ces données sont encore représentées dans le tableau ci-dessous (avec en sus la série lissée par
moyenne mobile).
Le graphe semble mettre en évidence une tendance linéaire ainsi qu’une saisonnalité de période 5 :
Moyenne mobile
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 2/8
04/01/2021 Découvrez des algorithmes de traitement des moyennes mobiles - Analysez et modélisez des séries temporelles - OpenClassrooms
On choisit un modèle additif car les différences (maximum-minimum) semblent similaires sur chaque
période (semaine). Les termes tendanciels pour t ∈ {3, … , 13} gurent dans le tableau ci-après.
−6, 8 − 8, 2
cjeudi = −7, 5
2
−6, 6 − 7, 6
cvendredi = −7, 1
2
−6, 6 − 6
clundi = −6, 3
2
−6, 2 − 5, 2
cmardi = −5, 7
2
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 3/8
04/01/2021 Découvrez des algorithmes de traitement des moyennes mobiles - Analysez et modélisez des séries temporelles - OpenClassrooms
On constate que :
¯¯
c = −0, 12
′
c = 26 − (−0, 12) = 26, 12 ,
mercredi
′
c = −7, 5 − (−0, 12) = −7, 38 ,
jeudi
′
c = −7, 1 − (−0, 12) = −6, 98 ,
vendredi
′
c = −6, 3 − (−0, 12) = −6, 18 ,
lundi
′
c = −5, 7 − (−0, 12) = −5, 58
mardi
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 4/8
04/01/2021 Découvrez des algorithmes de traitement des moyennes mobiles - Analysez et modélisez des séries temporelles - OpenClassrooms
fonction decompose
On utilise la fonction `decompose` :
r
1 decomp.x=decompose(x,type="multiplicative")
2 plot(decomp.x)
Il existe aujourd’hui de nombreux algorithmes élaborés pour corriger les séries tempo-
relles des variations saisonnières. Nous n’entrerons pas dans le détail de ces méthodes mais
présentons ici un de ces représentants les plus simples, l’algorithme X11 développé par le
Census Bureau. Il s’agit d’un algorithme qui procède à une estimation de la série corrigée
des variations saisonnières en 2 phases de 4 étapes chacune.
Considérons une série temporelle répondant au modèle additif classique, avec une tendance
linéaire et une saisonnalité de période 12 (il existe plusieurs versions de cet algorithme :
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 5/8
04/01/2021 Découvrez des algorithmes de traitement des moyennes mobiles - Analysez et modélisez des séries temporelles - OpenClassrooms
pour les modèles additifs et multiplicatifs, pour des séries trimestrielles ou mensuelles, avec
une saisonnalité annuelle) :
Xt = Tt + St + εt .
1. Primo-estimation de la tendance
(1)
ˆ = M2×12 Xt
T t
(1) (1)
ˆ
= Xt − T
Σ̂t t
(1) (1)
2
Ŝ = (I − M2×12 ) (M3 ) Σ̂
t t
(les coef cients sont ainsi normalisés a n que leur somme soit nulle sur une période
de 12 instants consécutifs).
(1)
C V S(1)
X = Xt − Ŝ
t t
(2)
C V S(1)
ˆ H
T = M X
t 13 t
(on utilise une moyenne mobile, nommée de Henderson d’ordre FORMULE_MATH a n d’extraire une
seconde tendance à partir de la première série corrigée des variations saisonnières).
6. Estimation dé nitive de la somme composante saisonnière-perturbation (2)
(2) (2)
ˆ
Σ̂ = Xt − T
t t
(2) (2)
Ŝ = (I − M2×12 ) M3 M5 Σ̂
t t
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 6/8
04/01/2021 Découvrez des algorithmes de traitement des moyennes mobiles - Analysez et modélisez des séries temporelles - OpenClassrooms
(2)
C V S(2)
X = Xt − Ŝ
t t
(on retranche la seconde saisonnalité estimée à la série de départ, cette étape clôt
l’algorithme).
Le professeur
Vincent Le eux
Enseignant à ENSAE-ENSAI Formation continue.
OPENCLASSROOMS
ENTREPRISES
CONTACT
EN PLUS
Français
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 7/8
04/01/2021 Découvrez des algorithmes de traitement des moyennes mobiles - Analysez et modélisez des séries temporelles - OpenClassrooms
https://openclassrooms.com/fr/courses/4525371-analysez-et-modelisez-des-series-temporelles/5001626-decouvrez-des-algorithmes-de-traitement-de… 8/8