Le Modèle

SARIMA
Réalisé par :
Encadré par : Mme.Ichou
Rafik Safaa
Laanaia Rajae
 2

I. Présentation du modèle SARIMA

II. Particularité du modèle SARIMA

III.L’utilité du modèle SARIMA

IV.Exemple d’application
 Introduction
3

L’analyse des séries temporelles se réfère à la branche de statistique où les observations sont régulièrement
espacées dans le temps. Leur domaine d’application est très vaste en Finance et économétrie ( évolution des
indices boursiers, des prix, des données économiques des entreprises, des ventes et achats de biens, des
productions agricoles ou industrielles) en Médecine (suivi des évolutions des pathologies) ,Démographie
(analyse de l’évolution d’une population), Météorologie (analyse de données climatiques)et en Energie
( prévision de la consommation d’électricité)...

L’étude d’une chronique consiste à Comprendre le passé : expliquer les variations observées, Prédire les
valeurs futures (proches), Etudier le lien avec d'autres séries. L'idée est de prendre un échantillon de
données et de construire le meilleur modèle qui ajuste ces données. Ce modèle nous permet de tirer
certaines conclusions sur la série.
 4

I.Présentation
du modèle
SARIMA
 5
Le Modèle SARIMA
» Le Modèle général de moyenne mobile intégré autorégressif (ARIMA), est un modèle d'analyse
applicable pour les séries temporelles non stationnaires qui ont clairement des tendances
identifiables.

» Le modèle ARIMA a été proposé par Box et Jenkins au début des années 1970, ce qui est
souvent qualifié de modèle Box-Jenkins.

» La méthodologie de Box Jenkins vise à formuler un modèle permettant de représenter une

chronique avec comme finalité de prévoir des valeurs futures. De ce fait l’objet de cette
méthode est de modéliser une série temporelle en fonction de ses valeurs passées en utilisant
des modèles spécifiques .
 6

II.Particularité
du modèle
SARIMA
 7
La formule Modèle SARIMA
La configuration d'un SARIMA nécessite la sélection d’hyper-paramètres pour les éléments de tendance
et saisonniers de la série :

SARIMA(p, d, q)(P, D, Q)m

Terme simple Terme saisonnier

» Il y a trois éléments de tendance qui sont les mêmes que le modèle ARIMA :
» p : Ordre d'auto-régression de tendance. Il est déterminé par la Fonction
d’Autocorrélation ( ACF).
» d : ordre de différence de tendance. permet de rendre stationnaire la série au cas où elle ne l’était
pas
» q : ordre de moyenne mobile de tendance. déterminé par la  Fonction d’Autocorrélation Partielle (
PACF).
 8
Le Modèle SARIMA
» La moyenne mobile intégrée autorégressive saisonnière SARIMA ou ARIMA
saisonnière, est une extension du modèle ARIMA qui prend explicitement en charge les
données de séries chronologiques univariées avec une composante saisonnière.   

» Un modèle ARIMA saisonnier est formé en incluant des termes saisonniers

supplémentaires dans l'ARIMA, La partie saisonnière du modèle se compose de termes
très similaires aux composants non saisonniers du modèle, mais ils impliquent des
décalages de la période saisonnière.
 9

» Éléments saisonniers : Il y a quatre éléments saisonniers qui ne font pas partie

d'ARIMA
» qui doivent être configurés ; ils sont :
» P : Ordre autorégressif saisonnier.
» D : Ordre de différence saisonnière.
» Q : Ordre de moyenne mobile saisonnière.
» m : La période de la composante saisonnière.
Il est important de noter que le paramètre m influence les paramètres P, D et Q .
 10

III.Utilité
du modèle
SARIMA
 11

Utilité du modèle SARIMA

» Dans les affaires et la finance, le modèle SARIMA peut être utilisé pour prévoir des
quantités futures (voire des prix) en fonction de données historiques.

» le modèle SARIMA présente des avantages dans ses propriétés statistiques bien
connues et son processus de modélisation efficace. Il peut être facilement réalisé à
l'aide de logiciels statistiques courants, tels que SAS, SPSS et Stata,

et peut être utilisé lorsque les séries chronologiques saisonnières sont stationnaires
et ne contiennent aucune donnée manquante.
 12

» Par conséquent, pour que le modèle soit fiable, les données doivent
être fiables et doivent montrer une période de temps relativement
longue pendant laquelle elles ont été collectées.
 13

IV. Exemple
d’application
 14
»Le tableau suivant présente l'évolution du nombre des
naissances à l'hôpital depuis Janvier 2015 jusqu'à Août
2020 :
»   2015 2016 2017 2018 2019 2020
DATE
Janvier 619 620 902 975 907 901
Février 743 730 748 748 715 765
Mars 717 741 826 826 777 741
Avril 644 771 839 839 874 881
Mai 678 722 753 753 798 731
Juin 628 728 806 806 743 837
Juillet 740 734 829 829 803 801
Aout 739 678 858 858 771 772
Septembre 744 787 793 793 746  
octobre 661 667 877 877 901  
Novembre 742 783 894 894 809  
Décembre 753 615 881 885 856  
 15

1 Identification de la série
» Pour identifier le type de chronique, nous allons
procéder à des tests formels et informels on doit
connaître la tendance et la stationnarité.
» 1.1 tests informels
» 1.2 tests formels
 16

1.1 tests informels

L'analyse graphique de la série

» L’analyse graphique de la série l’analyse graphique nous permet de visualiser

l’évolution temporelle de la série du nombre des naissances à l’ Hôpital de
(Janvier 2015 - Aout 2020), Ainsi, A partir des données de la série, nous obtenons
le graphique suivant :
 SARIMA
17
1,000
950
900
850
800
750
700
650
600
I II III IV I II III IV I II III IV I II III IV I II III IV I II III
2015 2016 2017 2018 2019 2020
Fig.1 Graphique de l'évolution du nombre des naissances à L'Hôpital de (Janvier
2015 - Aout 2020)

De ce graphique, nous observons que les données contiennent un

élément saisonnier toutes les 12 périodes .
 18
et avec :

16
Seri es : NOMBRE
14 Sa mple 2015M01 2020M08
Obs erva ti ons 68
12
Mea n 782.3824
10
Medi a n 774.5000
8 Ma xi mum 975.0000
Mi ni mum 615.0000
6 Std. Dev. 80.21371
Skewnes s -0.080995
4 Kurtos i s 2.587440
2
Ja rque-Bera 0.556599
0 Proba bi li ty 0.757070
600 650 700 750 800 850 900 950 1000

Fig. 2 Histogramme et statistiques.

Ce qui nous permet de tirer quelques conclusions :
-La présomption d’une tendance de la série.
-La série n’est pas stationnaire
 Date: 12/14/22 Time: 21:58 19
Sample: 2015M01 2020M08
Included observations: 68
Autocorrelation Partial Correlation AC PAC Q-Stat Prob

1 0.323 0.323 7.4081 0.006

2 0.467 0.405 23.113 0.000
3 0.444 0.299 37.560 0.000
4 0.324 0.050 45.374 0.000
5 0.336 0.025 53.903 0.000
6 0.311 0.044 61.335 0.000
7 0.287 0.050 67.768 0.000
8 0.166 -0.126 69.942 0.000
9 0.433 0.303 85.048 0.000
il y a des fluctuations et une saisonnalité dans 10 0.179 -0.018 87.689 0.000
11 0.218 -0.082 91.662 0.000
Les coefficients d’ autocorrélation simples et 12 0.372 0.186 103.40 0.000
coefficient d'autocorrélation partielle, ce qui 13
14
0.087
0.169
-0.174
-0.136
104.05
106.57
0.000
0.000
appuie notre affirmation sur la non stationnarité 15 0.082 -0.133 107.18 0.000
16 0.127 0.072 108.64 0.000
de la série. 17 0.034 0.020 108.75 0.000
18 0.098 -0.062 109.66 0.000
19 0.003 -0.039 109.66 0.000
20 -0.062 -0.095 110.05 0.000
21 0.048 -0.127 110.29 0.000
22 -0.130 -0.061 112.05 0.000
23 -0.065 -0.010 112.50 0.000
24 -0.119 -0.053 114.04 0.000
25 -0.138 -0.014 116.16 0.000
26 -0.169 -0.030 119.39 0.000
27 -0.134 0.047 121.47 0.000
28 -0.143 -0.042 123.92 0.000

fig.3 Corrélogramme de la série SARIMA

20
21
 22

IN TWO OR THREE
COLUMNS
Blue Yellow Red
Is the
Is the colour of color of gold, butter and ripe lemons. In the Is the color of
spectrum
the clear sky and of visible light, yellow is found between green blood, and
andItorange.
the deep sea. is because of this it
located between has historically
violet and green been associated
on the optical with sacrifice,
spectrum. danger and
courage.
 23

USE CHARTS TO EXPLAIN

YOUR IDEAS

White Gray Black

 24

AND TABLES TO COMPARE

DATA
A B C

Yellow 10 20 7

Blue 30 15 10

Orange 5 24 16
 25

OUR PROCESS IS EASY

first second last


LET’S REVIEW SOME
CONCEPTS
Yellow
Is the color of gold, butter and
ripe lemons. In the spectrum
of visible light, yellow is found
between green and orange.
Yellow
Is the color of gold, butter and
ripe lemons. In the spectrum
of visible light, yellow is found
between green and orange.
Blue
Is the colour of the clear sky
and the deep sea. It is located
between violet and green on
the optical spectrum.
Blue
Is the colour of the clear sky
and the deep sea. It is located
between violet and green on
the optical spectrum.
26
Red
Is the color of blood, and
because of this it has
historically been associated
with sacrifice, danger and
courage.
Red
Is the color of blood, and
because of this it has
historically been associated
with sacrifice, danger and
courage.
 27

MOBILE
PROJECT
Show and explain your web, app
or software projects using these
gadget templates.
2.
EXTRA RESOURCES
For Business Plans, Marketing Plans, Project
Proposals, Lessons, etc
 29

SWOT ANALYSIS
STRENGTHS WEAKNESSES
Blue is the colour of the Yellow is the color of gold,
clear sky and the deep sea butter and ripe lemons

Black is the color of ebony White is the color of milk

and of outer space and fresh snow
OPPORTUNITIES THREATS
 30

FUNNEL

AWARENESS Insert your content

DISCOVERY Insert your content

EVALUATION Insert your content

INTENT Insert your content

PURCHASE Insert your content

LOYALTY Insert your content

 31

SlidesCarnival icons are editable shapes.

This means that you can:

● Resize them without losing quality.
● Change fill color and opacity.
● Change line color, width and style.

Isn’t that nice? :)

Examples:
 32
Diagrams and infographics
 33

You can also use any emoji as an icon!

And of course it resizes without losing quality.
How? Follow Google instructions
https://twitter.com/googledocs/status/730087240156643328

✋👆👉👍👤👦👧👨👩👪💃🏃💑❤
😂😉😋😒😭👶😸🐟🍒🍔💣📌📖🔨
🎃🎈🎨🏈🏰🌏🔌🔑 and many more...
 34

Free templates for all your presentation needs

For PowerPoint and 100% free for personal or Ready to use, professional Blow your audience away
Google Slides commercial use and customizable with attractive visuals