STT-3220 Méthodes de prévision Section 5 Estimation de la fonction dautocovariance (k) et de la fonction dautocorrélation (k) Version: 11 décembre 2008.

Slides:



Advertisements
Présentations similaires
Chapitre I : Rappels Chapitre II: Eléments d’échantillonnage (Tassi, Chap. 2, Kauffmann, Chap. 5 et 6) Chapitre III: L’information au sens de Fisher (Kauffmann,
Advertisements

Résistance des Matériaux
Analyse temps-fréquence
Résistance des Matériaux
Les nombres relatifs (11)
Plan : Définition L’affectation Les entrées Les sorties exercices
Les Structures de contrôles itératives
CHAPITRE II Caractéristiques géométriques des sections planes

Cours analyse spectrale Part I
Méthodes de prévision (STT-3220)
Méthodes de Biostatistique
Régression linéaire simple
Échantillonnage (STT-2000)
Chapitre 8 Equations.
Fonction exponentielle: enchaînement de théorèmes
COURBES B-SPLINE B-Spline Bézier
Inéquations du 1er degré
Méthodes de prévision (STT-3220)
Méthodes de prévision (STT-3220) Section 4 Concepts fondamentaux de séries chronologiques Version: 8 novembre 2004.
Méthodes de prévision (STT-3220)
Méthodes de prévision (STT-3220)
STT-3220; Méthodes de prévision; Automne Exemple 8.2 de Pindyck et Rubinfeld Exemple sur les taux dintérêts R = taux dintérêt mensuel IP = Indice.
CALCUL FRACTIONNAIRE.
1.6 CONTINUITÉ ET ASYMPTOTE
Prédiction multi-step de la volatilité : le modèle ARIMA-GARCH appliqué aux séries temporelles d’affaiblissement par la pluie sur les liaisons Terre-Satellite.
Le comportement des coûts Chapitre 3
Régression linéaire (STT-2400)
STT-3220 Méthodes de prévision Section 2 Modèle avec deux variances inconnues: Méthode reposant sur un test préliminaire Version: 21 janvier 2008.
STT-3220 Méthodes de prévision
Méthodes de prévision (STT-3220)
Échantillonnage (STT-2000) Section 3 Utilisation de variables auxiliaires. Version: 8 septembre 2003.
Régression linéaire (STT-2400)
Méthodes de prévision (STT-3220)
Méthodes de prévision (STT-3220)
STT-3220 Méthodes de prévision
Méthodes de prévision (STT-3220) Section 6 Exemple: Prévisions dans un modèle AR(1) Version: 18 décembre 2008.
Méthodes de Biostatistique
Méthodes de Biostatistique
Probabilités et Statistiques
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Equations du premier degré Equations « produit nul »
STT-3220 Méthodes de prévision
Les nombres relatifs (11)
2. Optimisation sans contrainte Fonctions à une seule variable
Addition – Soustraction - Multiplication
TNS et Analyse Spectrale
Probabilités et Statistiques
Probabilités et Statistiques Année 2009/2010
Chapitre 1 Nombres relatifs.
STT-3220 Méthodes de prévision
Rappel de statistiques
Séries chronologiques univariées (STT-6615) Chapitre 1 Exemples de calculs d’autocorrélations et d’autocorrélations croisées.
Échantillonnage (STT-2000)
Échantillonnage (STT-2000) Section 5 Types d’erreur de sondage. Version: 22 août 2003.
Régression linéaire (STT-2400)
STT-3220 Méthodes de prévision Section 1 Évaluation des prévisions: Coefficient de Theil Version: 9 septembre 2004.
Échantillonnage (STT-2000)
Séries chronologiques univariées (STT-6615)
Méthodes de prévision (STT-3220)
STT-3220 Méthodes de prévision Section 1 Meilleur prédicteur et meilleur prédicteur linéaire Version: 21 janvier 2008.
Enchaînement d’opérations
Opérations sur les nombres relatifs
STT-3220; Méthodes de prévision 1 Exemple: Test d’une dépendance d’ordre un Supposons que l’on a observé une série chronologique de taille n = 100. La.
Opérations sur les nombres relatifs Chapitre 1 Classe de 4ème.
التركيز الإقتصادي واستغلال مراكز الهيمنة وآثارها على التجارة والتنمية في الدول العربية السيد خليفة التونكتي المدير العام السابق للمنافسة والأبحاث الإقتصادية.
الهيئة العامة لحماية المستهلك أساليب الترويج وتأثيراتها على المستهلك خليفة التونكتي - مستشار المنافسة - 1.
Cours d’Econométrie de la Finance (STA202 – IV 3-4)
Méthodes de prévision (STT-3220)
Chapitre 4 Multiplication.
Transcription de la présentation:

STT-3220 Méthodes de prévision Section 5 Estimation de la fonction dautocovariance (k) et de la fonction dautocorrélation (k) Version: 11 décembre 2008

STT-3220; Méthodes de prévision 2 Cas où la moyenne est connue On veut estimer, où Un estimateur naturel de repose sur

STT-3220; Méthodes de prévision 3 Étude des c (k) On note: Ceci nous amène à poser:

STT-3220; Méthodes de prévision 4 Fonction dautocovariance échantillonnale ( connu) On dit que est la fonction dautocovariance échantillonnale. Cest une première définition. On se rappelle que est définie non- négative. Ce nest pas le cas pour. Pour retrouver cette propriété, on doit considérer de diviser par n et non pas n-k.

STT-3220; Méthodes de prévision 5 Étude des c(k) On pose alors: On perd labsence de biais, mais pour k fixé:

STT-3220; Méthodes de prévision 6 Étude des c(k) (suite) On obtient donc que les c(k) sont asymptotiquement sans biais (ASB). Pour estimer: Estimateur:

STT-3220; Méthodes de prévision 7 Fonction dautocovariance échantillonnale ( inconnu) On considère: Cest la fonction dautocovariance échantillonnale de délai k. On remarque que la variance échantillonnale est:

STT-3220; Méthodes de prévision 8 Propriétés des c(k) (i), où, où K est fixé par rapport à n. (ii) Si n est fixé, le biais est de lordre de 1/n, et le biais croît en général avec k. (iii) Lautocorrélation échantillonnale c(k) est convergente en moyenne quadratique pour (k). (iv) Si alors on a que:

STT-3220; Méthodes de prévision 9 Fonction dautocorrélation échantillonnale ( inconnu) On rappelle que lautocorrélation de délai k est donnée par: Afin destimer (k), on introduit les r(k):

STT-3220; Méthodes de prévision 10 Propriétés des r(k) Sous des hypothèses générales sur le processus, en particulier sur les hypothèses de moments (i), où, où K est fixé par rapport à n. (ii), Pour n fixé, le biais de r(k) est de lordre de 1/n, et il croît en général avec k. (iii) Lautocorrélation r(k) est un estimateur convergent en moyenne quadratique de r(k), pour.

STT-3220; Méthodes de prévision 11 Propriétés des r(k), (suite) (iv) La structure de covariance entre r(h) et r(k) est donnée par: (v) Si, alors on a que