<TitleType>01</TitleType> <TitleText>Statistique et mathématiques appliquées</TitleText>

Éditions de l'Université de Bruxelles onixsuitesupport@onixsuite.com 20260813 fre

COM.ONIXSUITE.9782800414089 03 01 EUB 01 SKU 1408 02 2800414081 03 9782800414089 15 9782800414089 BC 02 07770731 <TitleType>01</TitleType> <TitleText>Statistique et mathématiques appliquées</TitleText> B09 Catherine Dehon Dehon, Catherine Catherine Dehon B09 Catherine Vermandele Vermandele, Catherine Catherine Vermandele <TitleType>01</TitleType> <TitleText textcase="02">Méthodes de prévision à court terme</TitleText> 01 GCOI 74530100861690 1 A01 Guy Mélard Mélard, Guy Guy Mélard Guy Mélard était professeur de statistique et d'informatique à la Faculté des sciences sociales, politiques et économiques de l’Université libre de Bruxelles. Il enseignait les méthodes de prévision et l’analyse des séries temporelles dans plusieurs programmes, notamment au master complémentaire conjoint en gestion à la Solvay Business School, et assurait des formations à l’extérieur. Son équipe a réalisé le logiciel Time Series Expert. 2 A15 Michel Carbon Carbon, Michel Michel Carbon 2 01 fre 544 00 544 03 MAT029000 29 2012 3051 SCIENCES FONDAMENTALES 24 Publishers own classification BE Business & Economics 93 PBT 01 06 01 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. 03 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. 02 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. 04 <dl style="white-space:nowrap !important;"> <dd>Préface</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>Remerciements</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>Introduction</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 1 - Concepts et définitions</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 2 - Régression linéaire simple</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 3 - Courbes de croissance</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 4 - Lissage par moyenne mobile</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 5 - Méthodes de décomposition saisonnière</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 6 - Méthodes de lissage exponentiel</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 7 - Régression linéiare multiple</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 8 - Autocorrélation et erreurs de prévision</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 9 - Modèles ARIMA</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 10 - Méthode de Box et Jenkins</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 11 - Régression à erreurs autocorrélées</dd> <dd style="white-space:nowrap !important;">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</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 12 - Méthode X-12-ARIMA</dd> <dd style="white-space:nowrap !important;">Présentation Exercices interactifs</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>CHAPITRE 13 - Méthode TRAMO/SEATS</dd> <dd style="white-space:nowrap !important;">Présentation Exercices interactifs</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>Bibliographie</dd> </dl> <dl style="white-space:nowrap !important;"> <dd>Index</dd> </dl> 23 01 https://www.editions-ulb.be/resources/titles/74530100861690/extras/1408-Intro.pdf 04 01 https://www.editions-ulb.be/resources/titles/74530100861690/extras/1408-TOC.pdf 43 "Statistics and Applied Mathematics" (SAM) is a series co-published by the Éditions de l'Université de Bruxelles and the Éditions Ellipses (Paris). 43 « Statistique et mathématiques appliquées » (SMA) est une collection des Éditions de l'Université de Bruxelles et des Éditions Ellipses (Paris). 44 SAM considers all areas related to statistics and applied mathematics. It provides the researcher, the teacher, the student, and the active layperson with works covering theoretical and practical advances in the field. 44 SMA couvre l'ensemble des domaines liés à la statistique et aux mathématiques appliquées et met à la disposition du chercheur, de l'enseignant, de l'étudiant et de l'homme actif, des ouvrages couvrant les acquis théoriques et la pratique. 06 03 01 https://www.editions-ulb.be/resources/titles/74530100861690/images/006f52e9102a8d3be2fe5614f42ba989/HIGHQ/9782800414089.jpg 20191002 07 03 01 https://www.editions-ulb.be/resources/titles/74530100861690/images/006f52e9102a8d3be2fe5614f42ba989/THUMBNAIL/9782800414089.jpg 20191002 02 https://www.editions-ulb.be/fr/book/?GCOI=74530100861690 Éditions de l'Université de Bruxelles 01 Éditions de l'Université de Bruxelles 02 Éditions Ellipses 04 20080121 01 WORLD 01 94.49 in 02 62.99 in 03 25 in 08 33.23 oz 01 240 cm 02 160 cm 03 25 cm 08 942 gr 12 15 9782800410814 12 15 9782800412337 12 15 9782800412917