MODELE ENCADRE PAR :

Mme. Meriem

ARMA DEMDOUMI

PRESENTE PAR :

ARIMA AZARKAN
Manal

Zineb
BOUJELLABA
Taha
CHAHBOUN
ANNEE UNIVIRSITAIRE:
Soukayna
DAHHA
2022/2023
 PLAN
01 GENERALITES SUR LE MODELE

02 VERIFICATION DE LA STATIONNARITE

03 DETERMINATION DES RETARDS

04 QUEL MODELE A CHOISIR ?

05 TEST DE NORMALITE DES RESIDUS DU ARIMA & PREVISIONS

2
Introduction

3
I. Généralités

4
 Modèle ARMA / ARIMA

ARMA

AR

ARIMA
AR

MA
I
MA

C’est quoi l’objectif de ce modelé ?

5
 Modèle ARMA / ARIMA

ARMA

AR

ARIMA
AR

MA
I
MA

C’est quoi l’objectif de ce modelé ?

6
 Modèle ARMA / ARIMA

ARMA

AR

ARIMA
AR

MA
I
MA

C’est quoi l’objectif de ce modelé ?

7
 Modèle ARMA / ARIMA

ARMA

AR

ARIMA
AR

MA
I
MA

C’est quoi l’objectif de ce modelé ?

8
 La stationnarité :

Correlogram

Processus générateur
h₀ : stationnaire
des donnés
h₁ : n’est pas stationnaire

TS DS
Si p < 5%
Si p > 5%
On rejette h₀ et
On accepte h₀
on accepte h₁
et on rejette h₁
donc la série
donc la série
n’est pas
est stationnaire
stationnaire

9
 Les étapes :
 Eliminer les effets saisonnières
 Rendre la série stationnaire
 Déterminer les retards
 Choisir le modèle
 Test de normalité des résidus du ARIMA
 Prévision

10
II. Vérification
de la
stationnarité

11
Indice des prix à la
production par produit:
Tous produits du 1997
au 2021 aux États-Unis
(50 observations)
Série chronologique

Avec x1 représente l ’indice des prix à la production par produit

Graphique Correlogram of level
 Test de racine unitaire

Modèle (3)

On a Ts = 2,55 < Tt = 3,18. Donc la tendance n’est pas significative

14
 Test de racine unitaire

Modèle (2)

On a Ts = 1,64 < Tt = 2,89. Donc la constante n’est pas significative

15
Test de racine unitaire

NONE

• On a Prob = 0,99 > 5%. Donc on a un racine unitaire

• La série n’est pas stationnaire
• Non stationnarité de type DS sans dérive

16
 Rendre la série stationnaire

La méthode de différenciation

On fait la 1ére différenciation, si la série ne devient pas stationnaire on procède à la 2éme par la
command suivante :

17
Test de racine unitaire pour DX1

None

On a Prob = 0,00 < 5%. Donc la série est devenue

stationnaire.

18
Graphique

19
 III.
Détermination
des retards
20
21
22
 CORRELOGRAME APRES LA
DIFFERENCIATION

A partir du Correlograme du variable

stationnaire on détermine les retards du
modèle ARMA

AR (12) MA (12) ARIMA (12.1.12)

23
 IV.
Quel modèle
choisir ?
( Validation )
24
Quels model a choisir ?

• On a Prob de MA = 0,66 > 5%. Donc le

model n’est pas valide
25
Correlograme des residus

26
On a les Prob inferieur 5%. Donc le model
est validee

27
Correlograme des résidus

La statistique Q à une probabilité

très supérieur a 0.05 quelque soit
la période, le résidu peut être
assimilé à un bruit blanc, donc le
modèle est validé et peut être
représenté par un AR (12).

28
VI. TEST DE
NORMALITE
29
Test de normalité du
modèle AR(12)

30
31
 Pour Skewness:

H0 : v=0 (La distribution des résidus est

Symétrique

H1: v= 0 (La distribution des résidus est Asymétrique

Avec: v= V= 1,48<1,67

Donc la distribution des résidus est symétrique

32
 Pour kurtosis:

H0 : v=0 (La distribution des résidus est relativement aplatie)

H1: v= 0 (La distribution des résidus n’est pas aplatie)

Avec: v= V= 4,16 >1,67

Donc la distribution des résidus est n’est pas aplatie

La statistique de Jarque-Bera
JB=19,17
33
 VII.
PREVISION:

34
35
GRAPHIQUE:

36
Exemple:

37
Conclusion

38