Estimation des modeles lineaires stochastiques: AR(p):MA(p): ARMA(p,q): ARIMA(p,d,q). / Abdon Privat PAMBOU (1999) 

Public ISBD Titre : Estimation des modeles lineaires stochastiques: AR(p):MA(p): ARMA(p,q): ARIMA(p,d,q). Type de document : texte imprimé Auteurs : Abdon Privat PAMBOU, Auteur Editeur : Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique Année de publication : 1999 Importance : 88 P. Format : 29 cm. Langues : Français (fre) Mots-clés : Modèle lineaire  Modèle linéaire stochastique  chronologie  Série chronologique  Modèle linéaire AR  Modèle linéaire MA  Modèle linéaire ARMA  Modèle linéaire ARIMA  Stationnarité  Inversibilité  Estimateur  Efficacité  Vraisemblance  Autocorrélation  Score  Série chronologique univariée  Série chronologique multivariée  Estimation  Méthode de prévision arrière  BoX  JENKTNS Résumé : L'objet essentiel de ce travail est de faire l'estimation de certains modèles linéaires stochastiques. de présenter la modélisation des séries chronologiques univariées et multivariées afin de pouvoir faire une bonne analyse de ces différentes séries , de présenter les diverses méthodes d'estimation utilisées et leurs propriétés et, de présenter une méthode d’estimation numérique réalisée à partir des données d’une série chronologique dite « Méthode de prévision arrière » de BoX et JENKTNS Pour la phase d'estimation nous avons insisté particulièrement sur les modèles autorégressif AR., moyenne-mobile MA, autorégressif, autorégressif moyenne-mobile ARMA et autorégressif moyenne-mobile intégré ARIMA qui sont plus adaptés aux modèles linéaires stochastiques que nous pouvons estimer les paramètres à partir des méthodes des moments et du maximum de vraisemblance ainsi que par la procédure d’estimation par « la méthode de prévision arrière » de BoX et JENKINS. La méthodologie utilisée se fonde sur la notion de pondération des variables, c'est-à- dire nous affectons aux observations des variables des coefficients traduisant ainsi l'influence de chaque variable dans la modélisation de la série à estimer en admettant à priori la phase d’identification . Nous illustrons les effets d'estimation, par la résolution en détail, d'une série de données réelles. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2144 Estimation des modeles lineaires stochastiques: AR(p):MA(p): ARMA(p,q): ARIMA(p,d,q). [texte imprimé] / Abdon Privat PAMBOU, Auteur . - Université Cheikh Anta Diop de Dakar : Faculté des Sciences et Techniques : Département de Mathématiques-Informatique, 1999 . - 88 P. ; 29 cm. Langues : Français (fre) Mots-clés : Modèle lineaire  Modèle linéaire stochastique  chronologie  Série chronologique  Modèle linéaire AR  Modèle linéaire MA  Modèle linéaire ARMA  Modèle linéaire ARIMA  Stationnarité  Inversibilité  Estimateur  Efficacité  Vraisemblance  Autocorrélation  Score  Série chronologique univariée  Série chronologique multivariée  Estimation  Méthode de prévision arrière  BoX  JENKTNS Résumé : L'objet essentiel de ce travail est de faire l'estimation de certains modèles linéaires stochastiques. de présenter la modélisation des séries chronologiques univariées et multivariées afin de pouvoir faire une bonne analyse de ces différentes séries , de présenter les diverses méthodes d'estimation utilisées et leurs propriétés et, de présenter une méthode d’estimation numérique réalisée à partir des données d’une série chronologique dite « Méthode de prévision arrière » de BoX et JENKTNS Pour la phase d'estimation nous avons insisté particulièrement sur les modèles autorégressif AR., moyenne-mobile MA, autorégressif, autorégressif moyenne-mobile ARMA et autorégressif moyenne-mobile intégré ARIMA qui sont plus adaptés aux modèles linéaires stochastiques que nous pouvons estimer les paramètres à partir des méthodes des moments et du maximum de vraisemblance ainsi que par la procédure d’estimation par « la méthode de prévision arrière » de BoX et JENKINS. La méthodologie utilisée se fonde sur la notion de pondération des variables, c'est-à- dire nous affectons aux observations des variables des coefficients traduisant ainsi l'influence de chaque variable dans la modélisation de la série à estimer en admettant à priori la phase d’identification . Nous illustrons les effets d'estimation, par la résolution en détail, d'une série de données réelles. Permalink : https://bibliothequefst.ucad.sn/index.php?lvl=notice_display&id=2144

Réservation

Réserver ce document

Exemplaires(3)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MEM 1393	MEM 1393	Mémoire de DEA	Master mathématiques et Informatique	Mathématiques appliquées	Disponible
MEM 1394	MEM 1394	Mémoire de DEA	Master mathématiques et Informatique	Mathématiques appliquées	Disponible
MEM 1395	MEM 1395	Mémoire de DEA	Master mathématiques et Informatique	Mathématiques appliquées	Disponible

---

1 (1 - 1 / 1) Par page : 25 50 100 200