STT-3220 Méthodes de prévision Section 1 Évaluation des prévisions: Coefficient de Theil Version: 9 septembre 2004.

Slides:



Advertisements
Présentations similaires
Corrélation Position du problème Définition covariance (X,Y) r =
Advertisements

GESTION DE PORTEFEUILLE chapitre n° 7
C1 Bio-statistiques F. KOHLER
Régression ou corrélation
Colloque GRETSI, Paris, 8-11 septembre 2003 Sur la Décomposition Modale Empirique P. Flandrin (Cnrs - Éns Lyon) et P. Gonçalvès (Inrialpes)
4 Les Lois discrètes.
Régression -corrélation
Méthodes de prévision (STT-3220)
COURS 5 Les tableaux croisés, le chi-carré et la corrélation
Chapitre 2 Les indices.
Concepts avancés en mathématiques et informatique appliquées
Échantillonnage (STT-2000)
DEA Perception et Traitement de l’Information
Corrélation et régression linéaire simple
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.
Lanalyse de la covariance. X y ANOVA Lanalyse de la covariance y X ANOVA.
RECONNAISSANCE DE FORMES
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
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
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)
Échantillonnage (STT-2000) Section 2 Aspects spéciaux de léchantillonnage et de lestimation. Version: 7 septembre 2003.
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)
Régression linéaire (STT-2400)
STT-3220 Méthodes de prévision
Méthodes de prévision (STT-3220) Section 6 Exemple: Prévisions dans un modèle AR(1) Version: 18 décembre 2008.
M1 2013/2014 Implémentation des procédures statistiques Introduction aux régressions linéaires.
Méthodes de Biostatistique
Méthode d’estimation de la parenté en population naturelle (revue bibliographique) Frédéric Austerlitz 20 juin 2003.
ESTIMATION 1. Principe 2. Estimateur 3. Distribution d’échantillonnage
La régression simple Michel Tenenhaus
STT-3220 Méthodes de prévision
GTS813: cours #6 Évaluation d’une mesure (Validité, Répétabilité, Fiabilité, précision) Activité. Études de cas #2: Qui pose la question? La question est-elle.
BTS MUC SESSION 2006 académie de Lyon. RESULTATS BTS MUC ADMISELIMABSREFSDTOTALPRESENTSTaux ,9%
Journées ADOMOCA novembre 2007 S. Massart Vers une nouvelle modélisation de la matrice des covariances d’erreur de prévision Sébastien Massart (1),
L’algèbre By: Mathieu Anndréa Darianne. Propriétés des exposants 1)a m  a n = a m+n Exemple #1: 2 4  2 5 = 2 9 #2: 7 -2  7 -6 = = 7 4 2) a m.
ALGÈBRE Partie 5 La distributivité.
Probabilités et Statistiques
Étude de l’écoulement moyen
Probabilités et Statistiques Année 2009/2010
Gestion budgétaire des ventes
Outils d’analyse: la méthode des moindres carrées
Rappels Variables nominales :
STT-3220 Méthodes de prévision
Méthode des moindres carrés (1)
Méthodes de Biostatistique Chapitre 9 Tests Nonparamétriques.
Stat-infoCM6a : 1 Rappels.
ETUDE DE 2 VARIABLES QUANTITATIVES
PROGRAMMATION SCIENTIFIQUE EN C PRO Approximation de fonctions et régression u Introduction –Analyse de la corrélation –Régression et méthode des.
1 1 Licence Stat-info CM6 a 2004 V1Christophe Genolini Rappels 1.Variables nominales : –Oui / Non –Bleu / Brun / Roux / Noir Pour déterminer s’il y a un.
Traitement de la turbulence
Échantillonnage (STT-2000) Section 5 Types d’erreur de sondage. Version: 22 août 2003.
Régression linéaire (STT-2400)
Échantillonnage (STT-2000)
STATISTIQUES.
Statistiques à 2 variables
Les dangers des drogues
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.
FACTORY systemes Le module de gestion de fiches recettes FORMATION INTOUCH 7.0.
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:

STT-3220 Méthodes de prévision Section 1 Évaluation des prévisions: Coefficient de Theil Version: 9 septembre 2004

STT-3220; Méthodes de prévision; Automne Évaluation des prévisions Une mesure naturelle est l’Erreur Quadratique Moyenne de prévision: y t nouv = nouvelle observation; y t pred = valeur prévue; T = nombre de prévisions à faire.

STT-3220; Méthodes de prévision; Automne Coefficient de Theil Le coefficient RMS est dans le même système d’unités de mesure que la variable d’intérêt y. Ceci a amené Theil à proposer:

STT-3220; Méthodes de prévision; Automne Propriétés du coefficient de Theil Le coefficient U est entre 0 et 1. On note que U = 0 si y t pred = y t nouv. Essentiellement, un grand coefficient est un signe d’une mauvaise performance prévisionnelle.

STT-3220; Méthodes de prévision; Automne Décomposition selon les composantes: U M + U S + U C = 1 On note que: Avec:

STT-3220; Méthodes de prévision; Automne Coefficients U M, U S et U C

STT-3220; Méthodes de prévision; Automne Définition de r dans U C Note: dans U C, le coefficient r représente la corrélation entre les nouvelles observations et les observations prévues:

STT-3220; Méthodes de prévision; Automne Interprétation des coefficients Idéalement, on voudrait U M = U S = 0; U C = 1. U M est appelé la composante de biais; c’est une mesure de l’erreur systématique. U S est appelé la composante de variance: sert à mesurer si le modèle reproduit bien la variabilité de la variable y. U C est la composante de covariance, et mesure l’erreur non-systématique.