Méthodes de prévision (STT-3220) Section 6 Exemple: Prévisions dans un modèle AR(1) Version: 18 décembre 2008.

Slides:



Advertisements
Présentations similaires
L’échantillonnage & Ses Fluctuations
Advertisements

Incertitudes lors d’un dosage acide base
Terminale STG Activité : Ajustement affine
Inférence statistique
C1 Bio-statistiques F. KOHLER
Inférence statistique
Comparaison de deux pourcentages observés
Échantillonnage-Estimation
Corrélations et ajustements linéaires.
Probabilités et statistique en TS
Intervalle de confiance pour p en %
Régression linéaire (STT-2400) Section 3 Tests dhypothèses et lhypothèse linéaire générale Version: 26 janvier 2007.
Méthodes de prévision (STT-3220)
Méthodes de Biostatistique
1 - Construction d'un abaque Exemple
Régression linéaire simple
Échantillonnage (STT-2000)
Techniques d’optimisation
Comprendre la variation dans les données: Notions de base
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.
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement
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.
Théorie de l’échantillonnage (STT-6005)
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.
Échantillonnage (STT-2000) Section 2 Aspects spéciaux de léchantillonnage et de lestimation. Version: 7 septembre 2003.
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)
Échantillonnage (STT-2000) Section 2 Tirage de Bernoulli (plan BE). Version: 4 septembre 2003.
Techniques de prévision quantitatives
Les intervalles de confiance pour la moyenne d’une population
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement
Méthodes de prévision (STT-3220)
Régression linéaire (STT-2400)
Régression linéaire.
STT-3220 Méthodes de prévision
GOL503 Spécificités sectorielles
Échantillonnage (STT-2000)
Présentation de la méthode des Eléments Finis
Brigitte CHAPUT - Journée de la Régionale APMEP de Toulouse - 19 janvier 2011 LA FORMULE.
1 - Programme de Seconde (juin 2009) Statistique et probabilités
Dérivée du quotient de deux fonctions dérivables
Arithmétique Modulaire
Rappel... Valeurs propres et vecteurs propres. Définitions;
Probabilités et Statistiques
ASI 3 Méthodes numériques pour l’ingénieur
STT-3220 Méthodes de prévision
LA REGRESSION LINEAIRE
Échantillonnage (STT-2000)
Outils d’analyse: la méthode des moindres carrées
Rappels Variables nominales :
STT-3220 Méthodes de prévision
Méthode des moindres carrés (1)
Interpolation et Approximation
Échantillonnage (STT-2000)
Échantillonnage (STT-2000) Section 5 Types d’erreur de sondage. Version: 22 août 2003.
STT-3220 Méthodes de prévision Section 1 Évaluation des prévisions: Coefficient de Theil Version: 9 septembre 2004.
Méthodes de prévision (STT-3220)
STT-3220 Méthodes de prévision Section 1 Meilleur prédicteur et meilleur prédicteur linéaire Version: 21 janvier 2008.
Statistiques à 2 variables
Lectures Volume du cours: Sections 12.1 à 12.6 inclusivement.
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.
Transcription de la présentation:

Méthodes de prévision (STT-3220) Section 6 Exemple: Prévisions dans un modèle AR(1) Version: 18 décembre 2008

STT-3220; Méthodes de prévision 2 Prévisions dans un modèle AR(1)  Avec n données, on cherche à prévoir Z n+l.  Le modèle est.  On rappelle que:  Donc:

STT-3220; Méthodes de prévision 3 Prévisions dans un modèle AR(1); Rappel:  On rappelle que:  Ainsi:  On obtient les prévisions: – l = 1: – l = 2: – En général: – Remarque: Si alors

STT-3220; Méthodes de prévision 4 Prévisions dans un modèle AR(1), cas où  Dans ce cas le modèle est:  Un raisonnement similaire nous donne:  Ceci implique que:

STT-3220; Méthodes de prévision 5 Intervalle de prévision de niveau 95%  En supposant la normalité des erreurs, un intervalle de prévision de niveau 95% pour Z n+l est donné par:

STT-3220; Méthodes de prévision 6 Illustration, intervalle de prévision dans un AR(1)  Dans un AR(1), on a déjà vu que.  De plus,  Donc:

STT-3220; Méthodes de prévision 7 Exemple:  Supposons que  = 0.6;  = 9 et que.  On dispose d’un échantillon de taille n = 100.  On dispose des données:  On demande de prévoir Z 101, Z 102, Z 103 et Z 104 et on veut aussi les limites de prévision.

STT-3220; Méthodes de prévision 8 Exemple: Calcul des prévisions  On rappelle que l’on a obtenu comme équation de prévision:  On a donc:

STT-3220; Méthodes de prévision 9 Exemple: Calcul des intervalles de prévision  On a que et  On trouve:

STT-3220; Méthodes de prévision 10 Exemple: mise à jour des prévisions  Supposons que l’observation Z 101 devienne disponible et que Z 101 = 8.8.  On rappelle que:  On trouve:

STT-3220; Méthodes de prévision 11 Estimation par moindres carrés conditionnels dans un AR(1)  Supposons que.  Étant donné, on veut minimiser:  On résout:

STT-3220; Méthodes de prévision 12 Estimation par moindres carrés conditionnels (suite)  Supposons maintenant que.  Dans un tel cas, on doit minimiser:  On note que l’on doit minimiser cette expression en  ainsi qu’en .