Université Lyon 1
Université de Lyon
Accueil  >>  Séries temporelles
  • Unité d'enseignement : Séries temporelles
Nombre de crédits de l'UE : 3
Code APOGEE : PL8015MM
    Responsabilité de l'UE :
TROMEUR DERVOUT DAMIEN
 damien.tromeur-dervoutuniv-lyon1.fr
04.72.43.13.56
    Type d'enseignement
Nb heures *
Cours Magistraux (CM)
24 h
Travaux Dirigés (TD)
9 h
Travaux Pratiques (TP)
12 h
Total du volume horaire
45 h
Activité tuteurée personnelle (étudiant)
0 h
Activité tuteurée encadrée (enseignant)
0 h
Heures de Tutorat étudiant
0 h

* Ces horaires sont donnés à titre indicatif.

    Programme - Contenu de l'UE :

Ce cours a pour but de présenter les méthodes de traitement statistique liées aux séries

temporelles : lissage, désaisonnalisation et prévision

Analyse descriptive de séries temporelles (décomposition saisonnière, lissage exponentiel) ;

Modélisation aléatoire d’une série temporelle : processus de second ordre, stationnarité, fonction d’autocovariance, fonction d’autocorrélation, fonction d’autocorrélation partielle, densité spectrale ;

Les processus univariés :MA, AR, ARMA, ARIMA, SARIMA , ARCH, GARCH;

Pratique des modèles SARIMA(Méthodologie de Box-Jenkins) : identification, estimation, vérification, validation, comparaison.

 

Supports pédagogiques :

¦ Brockwell, P. & Davis R., Introduction to Time Series and Forecasting, Springer, 1996.

¦ Bosq D., Lecoutre J-P., Analyse et prévision des séries chronologiques. Méthodes paramétriques et non paramétriques,Masson, 1992.

¦ Aragon, Y., Séries temporelles avec R : Méthodes et cas, Springer, 2011.

Logiciels d’appuis : R et Sci-kit learn


    Compétences acquises :
Méthodologiques :

Comprendre et mobiliser un large champ de  sciences et techniques

  • Mobiliser et combiner un socle de connaissances scientifiques et techniques
  • S'approprier et mobiliser de nouveaux savoirs et savoir-faire
  • Mener une veille scientifique et technologique

 

Identifier et analyser un besoin client

  • Appréhender l'environnement informatique (matériel, logiciel et système d'information) ainsi que les besoins métiers du client

Proposer une solution adaptée, dans le domaine des Mathématiques Appliquées, en prenant en compte les contraintes environnementales

  • Définir  un à plusieurs types de modélisation / discrétisation / implémentation  à différents niveaux de finesse en réponse au cahier des charges
  • Modéliser mathématiquement un problème  en s'appuyant sur une démarche scientifique dans le domaine d'application du client
  • Concevoir une méthode de résolution et un algorithme associé en réponse à un problème en prenant en compte les contraintes opérationnelles
  • Modéliser la structuration des données caractérisant  un problème complexe
  • Proposer un protocole de simulation / plan d'expérience
  • Définir et interpréter des éléments de performance pour proposer une solution optimale
  • Développer la solution choisie dans l'environnement client

Interagir avec son environnement de façon professionnelle et citoyenne

  • Rendre compte de son travail
  • Rechercher et exploiter des ressources disponibles dans son environnement


Techniques :


Mise en oeuvre de l'analyse et de la modélisation (MA, AR, ARMA, ARIMA, SARIMA, ARCH, GARCH) d'une série temporelle.

Il maitrise l'utilisation d'outils logiciel R et Python (Sci-kit leran)  pour l'analyse des séries temporelles.

Il sait mettre en oeuvre la méthode de Box-Jenkins: pour l'estimation de la tendance , de la saisonalité, et du bruit d'une série temporelle.



 


    Modalités de contrôle des connaissances et Compétences 2020-2021:
TypeLibelléNatureCoef. 
Date de la dernière mise-à-jour : 04/07/2019
SELECT * FROM parcours INNER JOIN ue_parcours ON PAR_ID_FK=PAR_ID INNER JOIN mention ON MEN_ID = PAR_MENTION_FK WHERE PAR_ACTIVATE = 0 AND UE_ID_FK='18828' ORDER BY UE_ID_FK ASC, PAR_ID_FK ASC