Série 2prévision-Correction
Série 2prévision-Correction
Série 2prévision-Correction
-∀ ∈ ( )=0
-∀ ∈ ( )=
- ∀ ,ℎ ∈ ( , ) = 0 (ℎ ≠ 0)
-∀ ∈ ( )=
-∀ ∈ ( )=
- ∀ ,ℎ ∈ ( , ) = (ℎ)
= × = ×0=0= é
= × ( )= é
Si une seule condition n'est pas vérifiée alors la série n'est pas stationnaire. Dans ce cas, pas la
peine de vérifier la troisième condition
2)
-∀ ∈ ( )=
-∀ ∈ ( )=
- ∀ ,ℎ ∈ ( , ) = (ℎ)
= ( )+ ( )=0+ 0=0= é
= ( )+ ( )= + = (1 + ) é
( , ) = (( − )( − ) é
( , )= ( )= ( + )×( + )
= ( )+ ( )+ ( )+ ( )
Nous savons que
( , ) = (( − )( − )= ( )=0 ℎ≠0
( )=0
( )=0
( )= ( )=0
( , )= ( )= ℎ=1
0 ℎ>1
La covariance est indépendante du temps et ne dépend que de h (sa valeur change selon h)
Exercice 2
Série A
Série B
Les autocorrélation décroissent très lentement donc la série est non stationnaire. Cette non
stationnarité est due à la présence d'une tendance car les autocorrélations sont importantes et
positives
Série C
Nous remarquons que toutes les autocorrélations sont non significatifs, elles sont à l'intérieur
de la bande(le processus n'a pas de mémoire) donc c'est cette série qui représente un bruit
blanc. Un bruit blanc est une série stationnaire bien sur
Série D
C'est le corrélogramme typique d'une série saisonnières. Nous remarquons que les
autocorrélations sont plus importantes pour les décalages multiples de 5 : (5), (10), (15)
ce qui indique une saisonnalité de période 5. Conclusion la série est non stationnaire car
présence de saisonnalité
Exercice 3
(ℎ)
(ℎ) =
(0)
1
(ℎ) = ( − ̿ )( − ̿)
1
(0) = ( − ̿)
(1)
(1) =
(0)
1
(1) = ( − ̿ )( − ̿)
1
(0) = ( − ̿)
− ̿ − ̿ ( − ̿ )( − ̿) ( − ̿)
10 7.1 50.41
3 10 0.1 7.1 0.71 0.01
-1 3 -3.9 0.1 -0.39 15.21
3 -1 0.1 -3.9 -0.39 0.01
2 3 -0.9 0.1 -0.09 0.81
5 2 2.1 -0.9 -1.89 4.41
3 5 0.1 2.1 0.21 0.01
2 3 -0.9 0.1 -0.09 0.81
-1 2 -3.9 -0.9 3.51 15.21
3 -1 0.1 -3.9 -0.39 0.01
̿ = 2.9
1 1.19
(1) = ( − ̿ )( − ̿) = = 0.119
10
1 86.9
(0) = ( − ̿) = = 8.69
10
(1) 0.119
(1) = = = 0,01369
(0) 8.69
(2)
(2) = = −0.304
(0)
(3)
(3) = = −0.1718
(0)
(0)
(0) = =1
(0)
Code R
> x=c(10,3,-1,3,2,5,3,2,-1,3)
>y= acf(x)
>y$acf