Méthodes de prévision (STT-3220)

Slides:



Advertisements
Présentations similaires
CHAPITRE 7 DROITES ET SYSTEMES.
Advertisements

La Méthode de Simplexe Standardisation
Corrélation Position du problème Définition covariance (X,Y) r =
Chapitre annexe. Récursivité
Fonctions & procédures
C1 Bio-statistiques F. KOHLER
Inférence statistique
Méthodes statistiques. Ajustements et corrélation
Corrélations et ajustements linéaires.
Les tests d’hypothèses
Régression -corrélation
Chapitre VII :Commande par retour d’état
Méthodes de prévision (STT-3220)
VI – Rang d’une matrice Mots clés : Rang.
Chapitre 6 : Restauration d’images
1.2 COMPOSANTES DES VECTEURS
Cours Corporate finance Eléments de théorie du portefeuille Le Medaf
Équations différentielles.
Régression linéaire simple
Chapitre 3bis Applications linéaires et Matrices
Signaux aléatoires.
La droite dans R2 Montage préparé par : André Ross
Les instruments d’optique
Examen partiel #3 Mercredi le 15 décembre de 15h30 à 17h20
Régression linéaire (STT-2400)
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)
Introduction à léconométrie Mario Fortin Université de Sherbrooke Hiver 2009.
Les Fonctions. Définir une fonction Sections de code indépendantes que lon peut appeler à nimporte quel moment et dans nimporte quel ordre. Bout de code.
Représentation des systèmes dynamiques dans l’espace d’état
Représentation des systèmes dynamiques dans l’espace d’état
5.1 SYSTÈME DÉQUATIONS LINÉAIRES Cours 13. Au dernier cours nous avons vus Léquations vectoriel et léquation normale dun plan. Lintersection de deux plans.
CRITÈRE DE CONVERGENCE
Prédiction multi-step de la volatilité : le modèle ARIMA-GARCH appliqué aux séries temporelles d’affaiblissement par la pluie sur les liaisons Terre-Satellite.
RECONNAISSANCE DE FORMES
2.4 Mouvements de charges dans un champ électrique uniforme
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
Régression linéaire (STT-2400)
STT-3220 Méthodes de prévision Section 5 Estimation de la fonction dautocovariance (k) et de la fonction dautocorrélation (k) Version: 11 décembre 2008.
Régression linéaire (STT-2400)
La droite dans R3 Montage préparé par : André Ross
Méthodes de prévision (STT-3220)
Échantillonnage (STT-2000) Section 3 Utilisation de variables auxiliaires. Version: 8 septembre 2003.
Régression linéaire (STT-2400)
Programmation linéaire en nombres entiers : les méthodes de troncature
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.
Présentation de la méthode des Eléments Finis
Elaboré par M. NUTH Sothan
Méthodes de Biostatistique
Rappel... Valeurs propres et vecteurs propres. Définitions;
Suites numériques Définitions.
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
Théorème de la limite centrale l’inférence statistique
TNS et Analyse Spectrale
STT-3220 Méthodes de prévision
Séries chronologiques univariées (STT-6615)
Rappels sur les fonctions et les suites aléatoires
Résolution des équations différentielles
Régression linéaire (STT-2400)
STT-3220 Méthodes de prévision Section 1 Évaluation des prévisions: Coefficient de Theil Version: 9 septembre 2004.
Séries chronologiques univariées (STT-6615)
Méthodes de prévision (STT-3220)
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.
Régression linéaire (STT-2400) Section 3 Préliminaires, Partie II, La loi multinormale Version: 8 février 2007.
Méthodes de prévision (STT-3220)
Transcription de la présentation:

Méthodes de prévision (STT-3220) Section 5 Processus linéaires, représentation de Wold et processus inversibles Version: 11 décembre 2008

STT-3220; Méthodes de prévision Processus linéaires On va introduire la classe des modèles linéaires. Comme on va le voir, ces processus s’écrivent comme une somme infinie de bruit blanc faibles. On dit également que ces processus admettent une représentation On va voir que les processus linéaires sont toujours stationnaires au sens large, sous une condition sur les coefficients de la somme infinie. STT-3220; Méthodes de prévision

Processus linéaires (suite) On va poursuivre par la suite en présentant le Théorème de représentation de Wold: essentiellement, ce théorème dit que si un processus est SSL, alors nécessairement il est linéaire. Autrement dit: SSL implique une certaine représentation . STT-3220; Méthodes de prévision

Processus inversibles On va également présenter les processus inversibles. Essentiellement, quand on dispose d’un processus inversible, on peut exprimer Zt en fonction de son passé Zt-1, Zt-2, … Avec nos connaissances sur les processus linéaires et inversibles, nous allons par la suite présenter les modèles ARMA. STT-3220; Méthodes de prévision

Définition d’un processus linéaire Définition: Le processus est un processus linéaire s’il admet une représentation de la forme: où m et yj sont des paramètres réels avec la condition et est . STT-3220; Méthodes de prévision

STT-3220; Méthodes de prévision Remarques Habituellement on pose . Ainsi quand un processus est linéaire on peut écrire: La condition entraîne que le membre de droite de l’équation précédente converge en moyenne quadratique. STT-3220; Méthodes de prévision

Résultat important: Un processus linéaire avec est SSL. La moyenne est indépendante de t: La variance est finie: STT-3220; Méthodes de prévision

STT-3220; Méthodes de prévision Fct de covariance est indépendante du temps: Or On trouve ainsi que: STT-3220; Méthodes de prévision

STT-3220; Méthodes de prévision En résumé… Un processus linéaire est toujours SSL avec: On trouve que: La fct d’autocorrélation est: STT-3220; Méthodes de prévision

Exemple: processus MA(1) On rappelle que: Donc Pour k = 0: Pour k = 1: Pour k = 2 ainsi que pour : STT-3220; Méthodes de prévision

On vient de montrer pour un MA(1): On rappelle que: Ainsi pour k = 0: , Aussi, pour k = 1: Et pour on trouve que . C’est la fonction d’autocorrélation qu’on avait trouvé pour un MA(1). STT-3220; Méthodes de prévision

Représentation de Wold Soit un processus que l’on suppose SSL. Wold a montré que Zt peut toujours s’écrire sous la forme: Zt = Xt + Yt, Le processus Xt est purement déterministe. Exemple: Xt = X, où X est une variable aléatoire; (déterministe peut être aléatoire). Le processus Yt est purement non-déterministe. STT-3220; Méthodes de prévision

Représentation de Wold (suite) Tout processus SSL purement non-déterministe admet une représentation de la forme: Dans la représentation, , et est un bruit blanc . De plus, at est non-corrélé avec le passé de Z, i.e., at est non-corrélé avec Zt-1, Zt-2, …, On peut donc penser à une sorte d’équivalence entre SSL et représentation en terme d’un BB. STT-3220; Méthodes de prévision

Processus inversibles Considérons le processus que l’on présume linéaire. Le processus est inversible s’il admet la représentation: Les pj sont des paramètres réels satisfaisant la relation et est . STT-3220; Méthodes de prévision

STT-3220; Méthodes de prévision Un processus inversible suggère que nous pourrons prédire les observations futures avec un nombre fini d’observations On remarque la condition suivante: Cette condition nous assure la convergence en moyenne quadratique. Puisque alors . Donc on devrait avoir que pj est négligeable pour j > J, disons. On peut ainsi approximer un processus linéaire par un processus linéaire fini. STT-3220; Méthodes de prévision

Prévisions dans le processus linéaire Si la condition est satisfaite, le processus ci-dessus s’approxime par: Le terme at est non-corrélé avec le passé. Ayant Zt-1, Zt-2,…,Zt-J à notre disposition, une prévision serait: STT-3220; Méthodes de prévision

STT-3220; Méthodes de prévision En résumé… Pour le processus , deux représentations importantes sont obtenues, pour un processus SSL purement non-déterministe et inversible: 1) Représentation en terme d’un bruit blanc: 2) Représentation en terme des valeurs passées: STT-3220; Méthodes de prévision