Méthodes de prévision à court terme


Second Edition

Preface by Michel Carbon

Les progrès de l’informatique et des technologies de communication nous inondent de données temporelles. Bien utiliser l’information qu’elles contiennent est essentiel, sachant que la prévision est à la base de l’action. Read More

Comme la première, cette deuxième édition constitue un exposé moderne et abordable des concepts et applications des méthodes de prévision à court terme. L’accent est mis encore davantage sur une tentative d’unification des méthodes. Cet ouvrage s’adresse aux étudiants (en formation initiale, en complément à des cours de statistique plus théoriques ou comme aide à la préparation de projets), aux praticiens de la prévision en entreprise, et aux chercheurs dans les multiples domaines où la modélisation de séries chronologiques est employée. Le livre s’appuie sur de nombreux exemples et exercices.

Par rapport à la première édition, l’emploi en formation continuée est amélioré par l’apport d’un CD-ROM. Il contient le logiciel Time Series Expert, utilisé dans presque tous les chapitres. Il permet de naviguer dans toute la matière, sous forme de présentations numériques avec des liens hypertexte et hypermédia qui envoient vers les instructions des exercices, des fichiers des données ou des séquences sonores. Grâce à un moteur de recherche intégré on peut retrouver les pages traitant d’un terme spécifique.

Le CD-ROM propose en bonus deux chapitres supplémentaires non traités dans le livre.


Paperback - In French 33.00 €
Buy
Info Purchase this book on the website of our partner

Specifications


Publisher
Éditions de l'Université de Bruxelles
Co-publisher
Éditions Ellipses
Edition
2
Author
Guy Mélard,
Preface by
Michel Carbon,
Collection
Statistics and Applied Mathematics
ISSN
07770731
Language
French
Publisher Category
Publishers own classification > Business & Economics
BISAC Subject Heading
MAT029000 MATHEMATICS / Probability & Statistics
Onix Audience Codes
06 Professional and scholarly
CLIL (Version 2013-2019)
3051 SCIENCES FONDAMENTALES
Subject Scheme Identifier Code
Thema subject category: Probability & statistics

Paperback


Publication Date
21 January 2008
ISBN-13
978-2-8004-1408-9
Extent
Main content page count : 544
Code
1408
Dimensions
160 x 240 x 25 cm
Weight
942 grams
ONIX XML
Version 2.1, Version 3

Google Book Preview


Contents


 

Préface
Remerciements
Introduction
CHAPITRE 1 - Concepts et définitions
1.1 Horizon de prévision
1.2 Types de prévision
1.3 Prévisions de séries chronologiques
1.4 Ensemble d'information
1.5 Fonctions de coût
1.6 Critères usuels
1.7 Critères additionnels
1.8 Prévision probabiliste
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 2 - Régression linéaire simple
2.1 Introduction
2.2 Approche intuitive du problème d’ajustement
2.3 La méthode des moindres carrés
2.4 Aspects pratiques des calculs
2.5 Qualité de l’ajustement réalisé
2.6 Coefficient de corrélation et coefficient de détermination
2.7 Liens entre les concepts de régression et de corrélation
2.8 Moindres carrés, une méthode de confiance ?
2.9 Méthodes résistantes
2.10 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 3 - Courbes de croissance
3.1 Introduction
3.2 Tendance linéaire
3.3 Tendance exponentielle
3.4 Tendance quadratique
3.5 Tendance exponentielle modifiée
3.6 Courbe de Gompertz
3.7 Courbe logistique
3.8 La méthode des trois points
3.9 Exemple : évolution du produit intérieur brut
3.10 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 4 - Lissage par moyenne mobile
4.1 Introduction
4.2 Moyenne mobile simple
4.3 Choix de l’ordre
4.4 Moyenne mobile centrée
4.5 Moyenne mobile pondérée
4.6 Composition de moyennes mobiles
4.7 Prévision par moyenne mobile
4.8 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 5 - Méthodes de décomposition saisonnière
5.1 Principe de décomposition
5.2 Modèles additifs, multiplicatifs et mixtes
5.3 Méthodes de décomposition saisonnière élémentaires
5.4 Exemple : une série artificielle
5.5 Données corrigées des variations saisonnières
5.6 Prévision par décomposition
5.7 Exemple : les ventes de champagne en France
5.8 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 6 - Méthodes de lissage exponentiel
6.1 Introduction
6.2 Lissage exponentiel simple
6.3 Lissage exponentiel double
6.4 Lissage exponentiel de Holt
6.5 Lissage exponentiel de Winters
6.6 Méthodes de lissage exponentiel amorti
6.7 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 7 - Régression linéiare multiple
7.1 Introduction
7.2 Estimation des paramètres
7.3 Variance résiduelle et coefficient de détermination
7.4 Sensibilité des coefficients de régression
7.5 Coefficient de détermination corrigé
7.6 Significativité d’un coefficient de régression
7.7 Problèmes numériques dans l’estimation des paramètres
7.8 Conditions d’utilisation de la méthode des moindres carrés
7.9 Détection des cas où les conditions ne sont pas satisfaites
7.10 L’exemple du prix de vente d’habitations
7.11 Sélection des variables explicatives
7.12 Sélection de l’échantillon
7.13 Régression multiple sur des séries chronologiques
7.14 Détermination d’un intervalle de prévision
7.15 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 8 - Autocorrélation et erreurs de prévision
8.1 Introduction
8.2 Expression des besoins
8.3 Analyse de la moyenne des résidus
8.4 Notion d’autocorrélation
8.5 Corrélogramme
8.6 Concept de processus aléatoire et de bruit blanc
8.7 Séries chronologiques stationnaires
8.8 Test individuel de bruit blanc
8.9 Test global de bruit blanc
8.10 Recommandations relatives aux tests de bruit blanc
8.11 Conclusions
8.12 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 9 - Modèles ARIMA
9.1 Introduction
9.2 Méthodes de prévision et formes ARIMA
9.3 Introduction aux processus ARMA
9.4 Étude des processus moyenne mobile
9.5 Étude des processus autorégressifs
9.6 Étude des processus ARMA
9.7 Modèles non stationnaires ARIMA, SARIMA et autres
9.8 Compléments
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 10 - Méthode de Box et Jenkins
10.1 Introduction
10.2 La familiarisation avec les données
10.3 L’analyse préliminaire
10.4 La spécification du modèle (ou identification)
10.5 L’estimation des paramètres
10.6 L’adéquation du modèle (ou validation)
10.7 La prévision
10.8 L’interprétation des résultats
10.9 Conclusions
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 11 - Régression à erreurs autocorrélées
11.1 Introduction
11.2 Corrélation croisée et processus aléatoire bivarié
11.3 Modèle de régression à erreurs ARIMA
11.4 Modèle de fonction de transfert
11.5 Modèle d’analyse d’interventions
11.6 Conclusions générales
Présentation
Exercices interactifs
Exercices supplémentaires
CHAPITRE 12 - Méthode X-12-ARIMA
Présentation
Exercices interactifs
CHAPITRE 13 - Méthode TRAMO/SEATS
Présentation
Exercices interactifs
Bibliographie
Index

Excerpt


Introduction


Table des matières / Contents