Méthodes de prévision à court terme

Livre broché

Publication Date

21 January 2008

ISBN-13

978-2-8004-1408-9

Extent

Main content page count : 544

Code

1408

Dimensions

160 x 240 x 25 cm

Weight

942 grams

ONIX XML

Version 2.1, Version 3

Google Book Preview

Contents

Préface

Remerciements

Introduction

CHAPITRE 1 - Concepts et définitions

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

CHAPITRE 2 - Régression linéaire simple

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

CHAPITRE 3 - Courbes de croissance

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

CHAPITRE 4 - Lissage par moyenne mobile

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

CHAPITRE 5 - Méthodes de décomposition saisonnière

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

CHAPITRE 6 - Méthodes de lissage exponentiel

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

CHAPITRE 7 - Régression linéiare multiple

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

CHAPITRE 8 - Autocorrélation et erreurs de prévision

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

CHAPITRE 9 - Modèles ARIMA

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

CHAPITRE 10 - Méthode de Box et Jenkins

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

CHAPITRE 11 - Régression à erreurs autocorrélées

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

CHAPITRE 12 - Méthode X-12-ARIMA

Présentation
Exercices interactifs

CHAPITRE 13 - Méthode TRAMO/SEATS

Présentation
Exercices interactifs

Bibliographie

Index

Excerpt

Introduction

---

Table des matières / Contents

---