Exposé Méthode ARMA

République algérienne démocratique et populaire
Ecole Nationale Supérieure de Technologie

Département Génie Mécanique et Productique
« LA METHODE ARMA »
« AUTOREGRESSIVE MOVING AVERAGE»
Réalisé par :
GOUAL Sarah
CHEREF Fatma
BERKAT Kamar
Encadré par :
 Mr ATMANI
Introduction:
Une série temporelle, ou série chronologique, est une
suite de valeurs numériques représentant l’évolution
d’une quantité spécifique au cours du temps.
De telles suites de variables aléatoires peuvent être
exprimées mathématiquement afin d'en analyser
le comportement, généralement pour comprendre
son évolution passée et pour en prévoir le
comportement futur.
Une telle transposition mathématique utilise l’une
des méthode qu’on appelle la méthode ARMA.
Définition de la méthode ARMA:
Les processus ARMA sont des processus linéaires

et jouent un rôle prépondérant dans la
modélisation concrète des processus stationnaires.
Elle présente l’avantage d’etre plus souple a
l’utilisation et de fournir généralement de bonnes
approximations des séries réelles avec moins de
paramètres que les modèles purs.
Le modèle est composé de deux parties : une part
autorégressive (AR) et une part moyenne-mobile
(MA).
Définition des processus AR(p):
• Un processus stationnaire {Xt ,t ∈ Z} est dit

autorégressif d’ordre p (ou AR(p)) s’il obéit à une
équation du type
Xt = c + φ1Xt−1 + φ2Xt−2 + ... + φpXt−p + Zt ,∀t ∈ Z,
avec :
- c ∈ R, φ = (φ1, ..., φp) ∈ R^p
-{Zt ,t ∈ Z} un bruit blanc.
D éfinition des processus MA(q):
Ces processus forment une classe flexible de modèles

pour de nombreux phénomènes observes. Ils sont
construits à partir de l’idee que l’observation au
temps t s’explique linéairement par les observations
d’un bruit blanc ; ils sont donc définis par la relation:
Xt = µ + Zt + θ1Zt−1 + θ2Zt−2 + ... + θqZt−q, ∀t ∈ Z,
avec :
-µ ∈ R, θ = (θ1, ..., θq) ∈ R^q ,
-{Zt ,t ∈ Z} un bruit blanc.
Démarche de la méthode ARMA (p,q):
Analyse
préliminaire
Adéquationdes données
du modèle
Stationnarisa
tion de la
série
Estimation
des
paramètres
Identificatio
n du modèle
« Organigramme de la méthode ARMA »

La démarche de la méthode ARMA (p,q):
 Un processus stationnaire {Xt ,t ∈ Z} obéit à un modèle ARMA(p,q) s’il vérifie

une équation du type Xt=c+ϕ1Xt−1+ϕ2Xt−2+...
+ϕpXt−p+Zt+θ1Zt−1+θ2Zt−2+...+θqZt−q, ∀t ∈ Z, avec : I c ∈ R, (ϕ1, ..., ϕp) ∈
Rp , (θ1, ..., θq) ∈ Rq , I {Zt ,t ∈ Z} un bruit blanc.
I-l’Analyse préliminaire:
 L'analyse préliminaire est une phase non coûteuse, elle permet avant tout test
ou traitement statistique approprié, d'observer la représentation graphique de
la série (les observations du processus {Xt , tE cents } en fonction du temps).
II-stationnaire de la série :
 Les résultats de l'analyse des séries chronologiques reposent sur l'hypothèse de
stationnarité du second ordre, mais souvent les caractéristiques stochastiques
d'une série (moyenne, variance) se trouvent modifiées dans le temps, c'est le
cas par exemple lorsque :
- On constate que la série est saisonnière par l'apparition des pics marquants de
périodicité S dans la fonction d'autocorrélation simple ou dans la
représentation graphique de la série.
III-L’identification du modèle adéquat:
Cette étape consiste à identifier le modèle ARMA susceptible de représenter la série, c'est pour cela qu'il est important de se
familiariser avec les données en examinant le graphe de la série chronologique (présence de saisonnalité, stationnarité,...) qui
permet de faire une analyse préliminaire qui consiste par exemple à corriger les données aberrantes, transformer les données
(transformation logarithmique, inverse, racine carrée,...) puisqu'il faut se ramener à un modèle ARMA stationnaire, le recours
aux différences premières ordinaires, différences premières saisonnières, différences ordinaires et saisonnières.
IV-Estimation des paramètres du modèle:

Une fois l'étape de l'identification terminée, il faut estimer les paramètres qui sont les coefficients des
polynômes AR et MA ainsi que les polynômes saisonniers SAR et SMA, et la variance des résidus².
V-Validation:
A
 l'étape de l'identification, les incertitudes liées aux méthodes employées font que plusieurs modèles en général sont estimés
et c'est l'ensemble de ces modèles qui subit alors l'épreuve des tests, il en existe de très nombreux critères permettant de
comparer les performances entre modèles; nous pouvons citer les tests sur les paramètres et les tests sur les résidus.
V.1 Tests concernant les paramètres
Tous les coefficients du modèle retenu doivent être significativement différents de zéro.
V.2 Tests sur les résidus:

Le processus estimé est évidemment de bonne qualité si la chronique
calculée suit les évolutions de la chronique empirique. Les résidus
entre les valeurs observées et les valeurs calculées par le modèle,
doivent se comporter comme un bruit blanc.
un bruit blanc, nous devons vérifier si :
-La moyenne des résidus est nulle, sinon il convient d'ajouter une
constante au modèle.
-Le graphe des résidus en fonction du temps semble
approximativement compatible avec une suite de variables aléatoires
non corrélées. C'est ainsi que nous proposerons une multitude de tests
concernant les caractéristiques du résidu souhaité.
Conclusion:
Cette méthode vise à formuler un modèle permettant

de représenter une chronique avec comme finalité de
prévoir des valeurs futures. De ce fait l’objet de cette
méthode est de modéliser une série temporelle en
fonction de ses valeurs passées en utilisant des
modèles ARMA.
on conçoit aisément qu'il est plus facile d'étudier les
phénomènes d'un modèle numérique(méthode arma)
que celles d'un système réel (les vibrations
mécaniques)

Exposé Méthode ARMA

Transféré par

Droits d'auteur :

Formats disponibles

Exposé Méthode ARMA

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Exposé Méthode ARMA

Transféré par

Droits d'auteur :

Formats disponibles

République algérienne démocratique et populaire

Ecole Nationale Supérieure de Technologie

Les processus ARMA sont des processus linéaires

• Un processus stationnaire {Xt ,t ∈ Z} est dit

Ces processus forment une classe flexible de modèles

« Organigramme de la méthode ARMA »

 Un processus stationnaire {Xt ,t ∈ Z} obéit à un modèle ARMA(p,q) s’il vérifie

IV-Estimation des paramètres du modèle:

V.2 Tests sur les résidus:

Cette méthode vise à formuler un modèle permettant

Vous aimerez peut-être aussi