Académique Documents
Professionnel Documents
Culture Documents
Angelina Roche
2018–2019
Séries temporelles – Cours 1
Représentations graphiques
Plan
Représentations graphiques
Définitions
I Une série temporelle est un ensemble d’observations
Xt1 , Xt2 , ... mesurées sur des temps t1 , t2 , ... distincts.
Exemples
35
30
Consommation finale effective totale
25
20
15
10
5
0
Année
Exemples
600
500
Nombre de passagers aériens
400
300
200
100
Année
Exemples
Statistique
Evolution de l'interêt
80
60
40
20
Temps
BigData
100
Evolution de l'interêt
60
20
0
Temps
Plan
Représentations graphiques
0 5 10 20 30
40
68
656667 67
6566
626364 6264
30
60
5961 60 63
61
59
58
57 58
56
55
54 557
55
54 6
53 53
5052
51 552
50 1
20
4349 43 49
xy$y
xy$y
48
47
46
4442
45 4248
47
46
44
45
41
40 4041
39
38 39
38
37
36 37
36
35 35
34 34
10
33 33
32
31
30 31
30 32
29
28 29
28
27
26
25 27
26
25
21
20
1924
23
22 24
23
22
21
20
19
18
17
16
15
14 18
17
16
15
14
1813
12
11
10
7
6
5
4
239 6
5
4
3
12
13
712
11
10
9
8
0
lag 1 lag 2
40
6264
30
60 63
585961 59
5758
5557
56
54 56
55
53 5354
52
51
50 51
5052
20
43 4 9 4346
449
xy$y
xy$y
42
4446
45 4
47 8 47
4244
45 8
41
40 41
40
3938 39
38
37
36 37
36
35 35
34 34
10
33 33
32
31 32
31
2930
28
30
29
28
27
26
25 27
26
22
21
20
19
18
17
24
23 18
1720
19 22
22
21 3425
16
15
14
13
12
11
10
9
8 12
11
10
8 16
15
14
913
2
1 7
6
345 67
5
34
2
1 0
lag 5 lag 10
0 5 10 20 30
Séries temporelles – Cours 1
Représentations graphiques
ts(rnorm(1000, 0, 1))
-2 -1 0
-3 1 2
lag 1 lag 5
3
ts(rnorm(1000, 0, 1))
ts(rnorm(1000, 0, 1))
2
1
0
-1
-2
-3
100 200 300 400 500 600 100 200 300 400 500 600
600
500
AirPassengers
AirPassengers
AirPassengers
AirPassengers
300
200
100 400
600
500
AirPassengers
AirPassengers
AirPassengers
AirPassengers
400
300
200
100
lag 5 lag 6 lag 7 lag 8
600
500
AirPassengers
AirPassengers
AirPassengers
AirPassengers
300
200
100 400
600
500
400
300
200
100
J F M A M J J A S O N D
Séries temporelles – Cours 1
Tendance, saisonnalité, résidus
Plan
Représentations graphiques
I Idée : estimer β par moindres carrés à partir des observations Xt1 , ..., Xtn .
1 X
βb ∈ arg minβ∈Rd+1 (Xti − mti )2 ⇒ βb = (T t T )−1 T t X ,
n i=1n
avec
t12 t1d
1 t1 ...
. .. .. .. t
T = .. . . . et X = (Xt1 , ..., Xtn ) .
1 tn tn2 ... tnd
30
20
5 10
0
Année
4
Résidu du modèle
2
0
−2
−4
Année
Séries temporelles – Cours 1
Tendance, saisonnalité, résidus
30
20
5 10
0
Année
4
3
Résidu du modèle
2
1
0
−2 −1
Année
Séries temporelles – Cours 1
Tendance, saisonnalité, résidus
30
20
5 10
0
Année
3
Résidu du modèle
2
1
0
−1
Année
Séries temporelles – Cours 1
Tendance, saisonnalité, résidus
Autres méthodes
I Moyenne mobile :
q
1 X
m
bt = xt+k .
2q + 1
k=−q
30
20
10
5
0
Année
0.5
Résidu du modèle
0.0
-0.5
Année
Séries temporelles – Cours 1
Tendance, saisonnalité, résidus
Time
Séries temporelles – Cours 1
Tendance, saisonnalité, résidus
100
50
seasonal
0
−50
500
400
trend
300
200
40
remainder
20
0
−20
1950 1952 1954 1956 1958 1960
time
Séries temporelles – Cours 1
Tendance, saisonnalité, résidus
Time
Séries temporelles – Cours 1
Remarques complémentaires et déroulement du cours
Plan
Représentations graphiques
Remarques
Déroulement du cours
Quelques références