3 h de cours sur ces sujets. pour étudiants de M1 MBFA ### Séance 2 : Stationnarité et…
- User
3 h de cours sur ces sujets. pour étudiants de M1 MBFA ### Séance 2 : Stationnarité et intégration - Stationnarité, ergodicité, décomposition d'une série temporelle (astsa 1.5) - Tests de racine unitaire (Dickey-Fuller et variantes) - Transformation des séries pour atteindre la stationnarité
- Assistant
Pour une séance de 3 heures dédiée aux étudiants de Master 1 en MBFA sur le thème de la stationnarité et de l'intégration des séries temporelles, voici comment vous pourriez organiser le cours :
Séance 2 : Stationnarité et Intégration
1. Introduction à la Stationnarité et à l'Ergodicité (45 minutes)
- Définition de la stationnarité : Présentez la définition formelle d'une série stationnaire (moyenne, variance constantes, autocovariance dépendant uniquement du décalage).
- Importance de la stationnarité : Expliquez pourquoi la stationnarité est essentielle pour les modèles de séries temporelles (prévision, inférence statistique).
- Ergodicité : Discutez de la notion d'ergodicité et de sa relation avec la stationnarité.
- Décomposition d'une série temporelle : Introduisez la décomposition en tendance, saisonnalité, et bruit. Utilisez des exemples pour illustrer comment une série peut être non stationnaire à cause de la tendance ou de la saisonnalité (astsa 1.5).
2. Tests de Racine Unitaire (60 minutes)
- Concept de racine unitaire : Expliquez ce que signifie avoir une racine unitaire dans une série temporelle et pourquoi cela implique la non-stationnarité.
- Test de Dickey-Fuller :
- Présentez l'hypothèse nulle du test de Dickey-Fuller (existence d'une racine unitaire).
- Détaillez les différentes variantes du test (test augmenté de Dickey-Fuller, test de Phillips-Perron).
- Interprétez les résultats du test et mentionnez les tables de valeurs critiques.
- Applications à des données réelles : Faites une démonstration avec des données, en montrant comment appliquer un test de racine unitaire à l'aide d'un logiciel statistique comme R ou Python.
3. Transformation des Séries pour Atteindre la Stationnarité (45 minutes)
- Différenciation : Expliquez comment et quand la différenciation peut rendre une série stationnaire.
- Transformation logarithmique : Discutez des cas où une transformation logarithmique est utile (séries avec tendance exponentielle).
- Dé-saisonnalisation : Présentez des méthodes pour éliminer la composante saisonnière (moyennes mobiles, filtrage).
- Exemples pratiques : Travaillez sur une série temporelle non stationnaire et montrez comment identifier et appliquer les transformations nécessaires pour obtenir une stationnarité.
4. Conclusion et Q&A (30 minutes)
- Synthèse des concepts abordés : Résumez les points clés sur la stationnarité et les méthodes pour l'atteindre.
- Questions des étudiants : Prenez le temps de répondre à des questions et de clarifier des points complexes.
- Perspectives pour la prochaine séance : Donnez un aperçu des sujets à venir et des éventuels travaux pratiques à réaliser.
Cette structure devrait offrir un bon équilibre entre théorie, démonstrations pratiques, et interactions avec les étudiants. Assurez-vous d'ajuster le contenu en fonction du rythme et des besoins spécifiques de votre groupe d'étudiants.