Téléchargements

Méthodes de prévision à court terme


2e édition

Préface de 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. Lire la suite

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.


Livre broché - En français 33,00 €
Info Acheter cet ouvrage sur le site de notre partenaire

Spécifications


Éditeur
Éditions de l'Université de Bruxelles
Co-éditeur
Éditions Ellipses
Édition
2
Auteur
Guy Mélard,
Préface de
Michel Carbon,
Collection
Statistique et mathématiques appliquées
ISSN
07770731
Langue
français
Catégorie (éditeur)
> Business & Économie
BISAC Subject Heading
MAT029000 MATHEMATICS / Probability & Statistics
Code publique Onix
06 Professionnel et académique
CLIL (Version 2013-2019 )
3051 SCIENCES FONDAMENTALES
Subject Scheme Identifier Code
Classification thématique Thema: Probabilité et statistiques

Livre broché


Date de publication
21 janvier 2008
ISBN-13
978-2-8004-1408-9
Ampleur
Nombre de pages de contenu principal : 544
Code interne
1408
Format
160 x 240 x 25 cm
Poids
942 grammes
ONIX XML
Version 2.1, Version 3

Google Livres Aperçu


Sommaire


 

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

Extrait


Introduction


Table des matières / Contents