CONTACT

Introduction à l'analyse et à la modélisation des séries temporelles
avec le logiciel R

Fiche formation

Description

Public concerné

Toute personne, étudiant, doctorant, ingénieur, enseignant ou chercheur ayant recours à des séries chronologiques et désireuse de les analyser sous R.

Prérequis

Avoir suivi la formation Introduction au logiciel R OU savoir utiliser le logiciel R pour importer des données, les visualiser, gérer les packages nécessaires et exécuter des lignes de codes. Un questionnaire préalable permettra une évaluation.

Objectifs

  • Savoir identifier et construire des séries temporelles dans R
  • Savoir construire les graphiques adaptés pour visualiser des séries temporelles
  • Savoir décrire des séries temporelles
  • Savoir choisir la modélisation adaptée en fonction de la série temporelle et de l'objectif visé
  • Savoir comparer des séries temporelles entre elles
  • Savoir utiliser les séries temporelles modélisées pour réaliser des prédictions

Méthode

La formation consiste en des parties théoriques, puis dirigées (démonstration par l’exemple), puis de mise en situation lors d’applications pratiques (exercices en autonomie avec correction de groupe).

Évaluation  

L’évaluation se fait au travers de la réalisation d’exercices en autonomie et d’un questionnaire final de validation des acquis.

Durée et autres formalités

Durée : Trois jours

Interentreprises (Narbonne)

Nombre de stagiaires limité à 6. Dates : nous consulter

Intra-entreprise

Groupe de 12 personnes au plus. Dates : à définir avec le client.

Prix 2025 :

1625 €/personne interentreprises
4926 € intra-entreprise

Nos formations sont exonérées de TVA

Programme de la formation

Introduction
  • Généralités
  • Conventions d'écriture
Les dates et heures dans R
La fonction ts() et l'objet 'time series'
  • Principaux arguments
  • Exemples de paramétrages de séries temporelles
  • Conversion d'un tableau en série temporelle : série simple ; série multiple
Graphiques de base et description des séries temporelles
  • Composantes d'une série temporelle
  • Le chronogramme : AirPassengers ; taux de change livres-dolalrs ; repérage de ruptures de tendance
  • Modification de la série temporelle : imputation de données manquantes ou aberrantes ; transformations des données
  • Décomposition: tendance, saisonnalité et bruit
  • Corrélations croisées
Modélisations et prévisions
  • Généralités
  • Filtrage et lissage exponentiel : filtrage par moyenne mobile ; lissages exponentiels
  • Modèles ARIMA : stationnarité ; modélisation AR, MA et ARIMA : le modèle SARIMA (p, d, q)(P,D,Q)m ; le modèle ARIMAX ; résumé d'une démarche de modélisation ARIMA ; choix et estimation du modèle ARIMA
  • Modèles (G)ARCH : généralités : modélisation de la volatilité ; prévision avec un modèle GARCH
  • Les modèles à seuil TAR : généralités ; un exemple avec un seul seuil
Pour aller plus loin
  • Modèles multivariés
  • Analyse spectrale
  • Séries chronologiques à pas irrégulier
Exercices en autonomie sous RStudio
CONTACT