ARIMA (AUTO-RÉGRESSIONS)


12manage reaches 100.000 members

Prévision et estimation du futur : Moyenne Mobile Intégrée Auto-régressive). Description du modèle ARIMA de Box and Jenkins. ('76) - Français



  

Rejoignez notre communauté du management

Inscription gratuite en tant que membre


Nom complet:*
Société :  
Rue + nr :*
Ville:*
Etat :  
Code Postal :*
Pays :*
E-mail:* (Ce sera votre nom d'utilisateur)

J'accepte les Conditions de Service.

Personne ne peut vraiment prédire le futur. Mais les méthodes statistiques modernes, les modèles économétriques, et les logiciels de Business Intelligence peuvent, dans une certaine mesure, aider les entreprises à prévoir et à estimer ce qui va se produire dans le futur.

 

Le Modèle ARIMA représente la Moyenne Mobile Intégrée Auto-régressive (AutoRegressive Integrated Moving Average).

 

L'Analyse de Séries Temporelles du Modèle ARIMA, emploie des retards et analyse les données historiques pour découvrir des modèles (par exemple des moyennes mobiles, un caractère saisonnier) et prévoir le futur. Le Modèle ARIMA a été développé pour la première fois vers la fin des années 60 mais il a été systématisé par Box and Jenkins en 1976. Le modèle ARIMA peut être plus complexe à employer que d'autres techniques de prévisions statistiques, bien qu'une fois mis en oeuvre correctement le Modèle ARIMA puisse être tout à fait puissant et souple.
 

Le Modèle ARIMA est une méthode pour déterminer deux choses :

  1. Quelle quantité du passé devrait être utilisé pour prévoir la prochaine observation (mesure)
  2. Les valeurs de pondération.

Par exemple y (t) = 1/3 * y (T-3) + 1/3 * y (T2) + 1/3 * y (T-1) est un modèle ARIMA ; un autre Modèle ARIMA est y (t) = 1/6 * y (T-3) + 4/6 * y (T2) + 1/6 * y (le T-1)

Ainsi le Modèle ARIMA correct exige l'identification du bon nombre de retards et des coefficients qui devraient être utilisés.
L'identification du Modèle ARIMA emploie des auto-regressions pour identifier le modèle sous-jacent.
Un soin tout particulier doit être pris pour identifier et estimer les paramètres de manière robuste pendant que les annexes (les impulsions, les niveaux de déplacement, les tendances liée au temps) peuvent limiter les erreurs.
 

Livre : Alan Pankratz - Forecasting with Univariate Box Jenkins Models : Concepts and Cases -

Livre : Jeffrey Wooldridge - Introductory Econometrics: A Modern Approach -

 

ARIMA Groupe d'Intérêt Spécifique


Visitez ce Groupe d'Intérêt Spécifique

ARIMA Forum

Commentaires Récents
Bencherif - Algérie Sécurité routière "Y a t'il des applications sur la modélisation de la sécurité routière?"    0
Hanan - Maroc Site web Mathématique "comment faire un site web de type revue mathématique."    0
Entrez un nouveau Commentaire

ARIMA Enseignement & Evènements


 

Comparez avec : Regression Analysis (Analyse de Régression) Dynamic Regression (Régression dynamique) Exponential Smoothing (Lissage Exponentiel) CRM analytique Business Intelligence (Intelligence des Affaires)

 

Retour vers la page des disciplines de Management : Finances et investissement Marketing 

 

Plus de Méthodes, Modèles et Théorie de Management

12manage pour:


 

 

Copyright 2009 12manage - La Voie Rapide vers la Direction Générale. V10.4 - Dernière mise à jour : 8-11-2009. Tout les noms TM par leurs propriétaires.