Modélisation et prévision Séries chronologiques
Transcription
Modélisation et prévision Séries chronologiques
Modélisation et prévision Cours SG042 Modélisation et prévision Séance 4 F. Sur - ENSMN F. Sur - ENSMN Modèles d’intervention Modélisation et prévision Modèles d’intervention Tendance déterministe Modèles d’intervention 1 Exemple Séries chronologiques - Séance 4 Modèles d’intervention Conclusion Modèles d’intervention Tendance déterministe Modèles d’intervention 2 Exemple 3 Conclusion Frédéric Sur Tendance déterministe Modèles d’intervention Exemple Conclusion École des Mines de Nancy www.loria.fr/∼sur/enseignement/modprev/ 2/16 1/16 Chronique avec tendance Modélisation et prévision Modélisation et prévision Tendance déterministe F. Sur - ENSMN 1. Tendance stochastique . Ex : marche aléatoire Xt+1 = Xt + εt avec (εt ) bruit blanc. F. Sur - ENSMN Xt = f (t) + ut . Modèles d’intervention Modèles d’intervention Mais on peut aussi estimer les paramètres a, b, c, . . . de f par moindres carrés, et Box-Jenkins sur (ut ) : Tendance déterministe Modèles d’intervention Exemple Conclusion Xt = f (t) + Θ(B) εt Φ(B) f (t) = a + bt ou modèle ARIMA si tendance stochastique en plus : f (t) = a + bt + ct 2 etc. (1 − B)d Xt = (1 − B)d f (t) + On peut s’en sortir avec modèle ARIMA (différentiation). ou SARIMA. . . 4/16 5/16 Exemple Conclusion modèle ARMA : 2. Tendance déterministe . Ex : Xt = f (t) + ut avec (ut ) stationnaire et. . . Tendance déterministe Modèles d’intervention Θ(B) εt Φ(B) Modélisation et prévision Cas particulier Intérêt : permet de traiter aussi les cas où f (t) = αItt0 avec Itt0 de la forme : 1 1 0.9 0.9 0.8 0.8 0.7 0.7 0.6 0.6 0.5 0.5 0.4 0.4 0.3 0.3 0.2 0.2 0.1 Exemple : trafic aérien aux USA F. Sur - ENSMN F. Sur - ENSMN Modèles d’intervention Modèles d’intervention Tendance déterministe Modèles d’intervention Tendance déterministe Modèles d’intervention Exemple Exemple Conclusion Conclusion 0.1 0 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1 1 0.9 0.9 0.8 0.8 0.7 0.7 0.6 0.6 0.5 0.5 0.4 0.4 0.3 0.3 0.2 0.2 0.1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0.1 0 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 → Modèles d’intervention. Trafic aérien aux États-Unis de janvier 1990 à décembre 2003. Effet du 11 septembre 2001 ? Question : l’intervention est-elle significative ? (i.e. α est-il significativement non nul ?) 6/16 7/16 Exemple : effet d’une loi Modélisation et prévision Les modèles d’intervention F. Sur - ENSMN Modélisation et prévision F. Sur - ENSMN Problème des ruptures de tendance : la chronique n’est pas stationnaire, et ne peut pas être stationnarisée par dérivation. Modèles d’intervention Tendance déterministe Modèles d’intervention Exemple → Les modèles d’intervention permettent d’intégrer dans la modélisation un phénomène ponctuel (éventuellement avec effet long terme, pouvant s’atténuer avec le temps). Conclusion (Box & Tao 1975, Jenkins 1976) Exemples : changement de réglementation, événement climatique, grève, attentat. . . Effet de la ceinture de sécurité obligatoire au 1er janvier 1983 ? 8/16 Modélisation et prévision 9/16 Modèles d’intervention Tendance déterministe Modèles d’intervention Exemple Conclusion Modélisation et prévision Modèles d’intervention : méthodologie Modélisation et prévision Intervention adaptée aux données 1 1 2 3 Même dérivation sur Itt0 0.7 Modèles d’intervention ; 0.5 0.4 Tendance déterministe Modèles d’intervention 0.3 0.2 0.1 0 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 Tendance déterministe Modèles d’intervention Conclusion 1 0.9 Xt = e+α e(1 − (1 − B) Xt = µ B)d Itt0 + ut + ut 0.7 0.6 0.5 et Itt0 = 0.4 0.3 0.2 0.1 0 0 Identification d’un ARMA (SARMA) sur les résidus ut : 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 t0 t0 d’où : Xt = αItt0 + αδ 2 It−1 + · · · + αδ n It−n + · · · + ut avec εt b.b.g. (1 − B)d Xt = µ + α(1 − B)d Itt0 + t0 α 1−δB It 0.8 avec : 0 < δ < 1 Ω(B) t0 Généralisation : Xt = ∆(B) It + ut , avec : Ω(B) = ω0 − ω1 B − . . . ωs B s (α ↔ ω0 ) ∆(B) = 1 − δ1 B − . . . δr B r Θ(B) εt Φ(B) (réestimation de α, µ dans ce modèle.) Vocabulaire : Ω(B) ∆(B) = fonction de transfert. 11/16 10/16 Le modèle d’intervention général Modélisation et prévision Séance 4 F. Sur - ENSMN Modèle final : Xt = Ω(B) t0 ∆(B) It + résidut , où les résidus sont un processus SARIMA, i.e., Ω(B) t0 I ∆(B) t Φp (B)ΦP (B τ ) +µ + εt Θq (B)ΘQ (B τ ) Tendance déterministe Modèles d’intervention Exemple Modèles d’intervention 1 Conclusion Modèles d’intervention Tendance déterministe Modèles d’intervention (1 − B)d (1 − B τ )D Xt = (1 − B)d (1 − B τ )D Cas simple : Ω(B) ∆(B) = α, ou Ω(B) ∆(B) = α 1−δB Modélisation et prévision F. Sur - ENSMN Modèles d’intervention 12/16 Modèles d’intervention Exemple 1 Conclusion Estimation de α e, µ e, et ut stationnaire tel que : et : → Comment adapter la vitesse de décroissance aux données ? 0.6 Exemple Θ(B) ut = εt Φ(B) F. Sur - ENSMN 0.9 0.8 Dériver Xt pour la stationnariser, à l’intervention près (éventuellement ordre τ si saisonnalité) ; d 4 F. Sur - ENSMN Intervention : Itt0 Chronique : Xt 2 Exemple 3 Conclusion 13/16 Tendance déterministe Modèles d’intervention Exemple Conclusion Modélisation et prévision Exemple Séance 4 F. Sur - ENSMN F. Sur - ENSMN Modèles d’intervention Tendance déterministe Modèles d’intervention Chronique ozone Exemple Modèles d’intervention 1 Conclusion → pollution moyenne mensuelle dans la ville de Los Angeles de 1955 à 1972. → une loi imposant le pot catalytique a été appliquée à partir de janvier 1960 → cette loi a-t-elle un impact significatif ? Modélisation et prévision Conclusion F. Sur - ENSMN Modèles d’intervention Modèle d’intervention : Tendance déterministe Modèles d’intervention Exemple Xt = µ + αItt0 + ut avec les résidus ut comme processus SARIMA. → pour prendre en compte une rupture de tendance dans la chronique, → permet de mesurer la significativité de l’impact d’un événement donné sur une chronique. 16/16 Conclusion Modèles d’intervention Tendance déterministe Modèles d’intervention 2 Exemple 3 Conclusion 15/16 14/16 Modélisation et prévision Tendance déterministe Modèles d’intervention Exemple Conclusion