Méthodes de prévision à court terme
Second Edition
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.
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 and 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