Read Books Online and Download eBooks, EPub, PDF, Mobi, Kindle, Text Full Free.
Download Contribution A Lestimation Des Modeles De Series Temporelles Non Lineaires full books in PDF, epub, and Kindle. Read online Contribution A Lestimation Des Modeles De Series Temporelles Non Lineaires ebook anywhere anytime directly on your device. Fast Download speed and no annoying ads. We cannot guarantee that every ebooks is available!
Author : Ouagnina Hili
Publisher :
ISBN 13 :
Total Pages : 0 pages
Book Rating : 4.:/5 (494 download)
Download or read book Contribution a l'estimation des modeles de series temporelles non lineaires written by Ouagnina Hili and published by . This book was released on 1995 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Author : Ouagnina Hili
Publisher :
ISBN 13 :
Total Pages : 113 pages
Book Rating : 4.:/5 (258 download)
Download or read book Contribution à l'estimation des modèles de séries temporelles non linéaires written by Ouagnina Hili and published by . This book was released on 1995 with total page 113 pages. Available in PDF, EPUB and Kindle. Book excerpt: LE BUT DE LA THESE EST D'EFFECTUER L'INFERENCE STATISTIQUE D'UNE CLASSE GENERALE DE MODELES DE SERIES TEMPORELLES NON LINEAIRES. NOTRE CONTRIBUTION CONSISTE D'ABORD A DETERMINER DES CONDITIONS ASSURANT L'EXISTENCE D'UNE LOI STATIONNAIRE, L'EXISTENCE DES MOMENTS DE CETTE LOI STATIONNAIRE ET LA FORTE MELANGEANCE DE TELS MODELES. NOUS ETABLISSONS ENSUITE LES PROPRIETES ASYMPTOTIQUES DE L'ESTIMATEUR DU MINIMUM DE DISTANCE D'HELLINGER DU PARAMETRE D'INTERET. LA ROBUSTESSE DE CET ESTIMATEUR EST EGALEMENT ENVISAGEE. NOUS EXAMINONS AUSSI, VIA LA METHODE DES MOINDRES CARRES, LES PROPRIETES ASYMPTOTIQUES DES ESTIMATEURS DES COEFFICIENTS DES MODELES AUTOREGRESSIFS A SEUILS
Author : Ahmed El Ghini
Publisher :
ISBN 13 :
Total Pages : pages
Book Rating : 4.:/5 (889 download)
Download or read book Contribution à l'identification de modèles de séries temporelles written by Ahmed El Ghini and published by . This book was released on 2013 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: Cette thèse de doctorat comporte deux parties traitant des problèmes d'identification et de sélection en économétrie. Nous étudions les sujets suivants : (1) le problème d'identification de modèles de séries temporelles à l'aide des fonctions d'autocorrélation, d'autocorrélation partielle, d'autocorrélation inverse et d'autocorrélation partielle inverse ; (2) l'estimation de la fonction d'autocorrélation inverse dans le cadre des séries temporelles non linéaires. Dans une première partie, nous considérons le problème d'identification de modèles de séries temporelles à l'aide des fonctions d'autocorrélation susmentionnées. Nous construisons des tests statistiques basés sur des estimateurs empiriques de ces fonctions puis nous étudions leur distribution asymptotique. En utilisant l'approche de Bahadur et de Pitman, nous comparons la performance de ces fonctions d'autocorrélation dans la détection de l'ordre d'une moyenne mobile et d'un modèle autorégressif. Par la suite, nous nous intéressons à l'identification du processus inverse d'un modèle ARMA et à l'étude des ses propriétés probabilistes. Enfin, nous caractérisons la réversibilité temporelle à l'aide des processus dual et inverse. La deuxième partie est consacrée à l'estimation de la fonction d'autocorrélation inverse dans le cadre des processus non linéaires. Sous certaines conditions de régularité, nous étudions les propriétés asymptotiques des autocorrélations inverses empiriques pour un processus stationnaire et fortement mélangeant. Nous obtenons la convergence et la normalité asymptotique des estimateurs. par la suite, nous considérons le cas d'un processus linéaire généré par un bruit blanc de type GARCH. Nous obtenons une formule explicite pour la matrice d'autocovariance asymptotique. A l'aide d'exemples, nous montrons que la formule standard de cette matrice n'est pas valable lorsque le processus générateur des données est non linéaire. Enfin, nous appliquons les résultats précédents pour montrer la normalité asymptotique des estimateurs des paramètres d'une moyenne mobile faible. Nos résultats sont illustrés par des expériences
Author : Amaury Lendasse
Publisher : Presses univ. de Louvain
ISBN 13 : 9782930344348
Total Pages : 158 pages
Book Rating : 4.3/5 (443 download)
Download or read book Analyse et prédiction de séries temporelles par méthodes non linéaires written by Amaury Lendasse and published by Presses univ. de Louvain. This book was released on 2003 with total page 158 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'analyse et la prédiction de séries temporelles sont des défis scientifiques importants, qui trouvent leurs applications dans des domaines aussi variés que la finance, la production électrique, l’hydrologie, la climatologie, etc. Comme ils englobent les modèles linéaires, les modèles non linéaires offrent potentiellement des performances supérieures mais ils posent cependant également des problèmes complexes tels que des minima locaux pour la fonction à optimiser, des temps de calcul très longs, une sélection de structure de modèle rendue plus difficile et une détermination de régresseur plus ardue. On définit tout d’abord la meilleure structure de modèle comme celle qui minimise une erreur de généralisation. Les différentes méthodes permettant d’estimer cette erreur sont présentées : Cross-Validation, Leave-One-Out, Bootstrap, etc. Une comparaison expérimentale de ces méthodes sur une série benchmark classique montre la supériorité des méthodes de Bootstrap. Une accélération de ces méthodes ainsi qu’une solution au problème des minima locaux sont apportées. Les différentes méthodes de détermination du meilleur régresseur, c’est-à-dire le vecteur d’entrées utilisé pour la prédiction, sont étudiées. Afin de donner une borne inférieure et une borne supérieure à la taille de ce régresseur, plusieurs interprétations du théorème de Takens sont formulées. Une méthodologie pratique permettant la construction d’un régresseur par projection non linéaire est proposée et illustrée sur des exemples de prédiction de séries financières. Des modèles non linéaires simples basés sur la quantification vectorielle sont développés. Ils proposent une alternative dont les performances et la complexité se situent entre celles des modèles linéaires et des modèles non linéaires classiques : les performances sont meilleures que celles obtenues avec des modèles linéaires mais les temps de calcul demandés sont moins importants que pour les autres modèles non linéaires. Finalement, une méthode d’analyse de données basée sur les cartes auto-organisées et l’algorithme de Ward est présentée. Cette méthode d’analyse débouche sur une méthode de prédiction à long terme dont les résultats sont évalués sur la prédiction, sur une durée de 24h, de la consommation électrique
Author : Geoffroy Simon
Publisher : Presses univ. de Louvain
ISBN 13 : 9782874630736
Total Pages : 172 pages
Book Rating : 4.6/5 (37 download)
Download or read book Méthodes non linéaires pour séries temporelles written by Geoffroy Simon and published by Presses univ. de Louvain. This book was released on 2007 with total page 172 pages. Available in PDF, EPUB and Kindle. Book excerpt: De la finance à la climatologie, en passant par les processus industriels, nombreux sont les domaines où on rencontre des séries temporelles. L'analyse, la modélisation et la prédiction de séries temporelles constituent aujourd’hui encore des défis, sur le plan scientifique tout comme dans ces nombreux domaines d’applications. En alternative aux modèles linéaires, les modèles non linéaires sont utilisés ici pour l’analyse, la modélisation et la prédiction de séries temporelles. Les modèles non linéaires sont potentiellement plus performants que les modèles linéaires, mais les questions de sélection de structure de modèle, de prédiction à long terme ou de construction des régresseurs sont plus complexes à résoudre dans le cadre non linéaire. Les paramètres de structure de certains modèles et des méthodes de sélection de structure sont d’abord décrits. La sélection de structure par FastBootrap est complétée par un test statistique qui constitue un argument théorique en faveur de l’approximation par régression linéaire du terme d’optimisme du Bootstrap. La Double Quantification Vectorielle (DQV), modèle de prédiction à long terme de séries temporelles, est introduite. La détermination des paramètres est détaillée, pour des séries scalaires et pour des séries multidimensionnelles auxquelles la DQV peut aisément être appliquée. La stabilité de la DQV en prédiction à long terme est établie théoriquement. Les capacités de la méthode sont illustrées sur divers exemples, en prédiction à court terme, à long terme, en scalaire et en multidimensionnel. La construction du régresseur est abordée lors de l’étude du caractère significatif de l'application des méthodes de clustering à des régresseurs. Une méthodologie de comparaison entre reconstructions de l’espace de phase de séries temporelles est décrite et appliquée sur plusieurs séries. Les résultats obtenus illustrent l’importance du délai dans la construction de régresseurs et permettent de prendre position dans un débat scientifique en cours : l’application des méthodes de clustering à des régresseurs a un sens. La construction du régresseur avec sélection d’un délai unique est alors généralisée au cas de plusieurs délais. Des généralisations des critères d’autocorrélation et d’information mutuelle à plus de deux variables sont proposées. Le critère géométrique de Distance à la Diagonale est également introduit. Tous ces critères de sélection de plusieurs délais sont comparés expérimentalement.
Author :
Publisher : Lulu.com
ISBN 13 : 1430318678
Total Pages : 385 pages
Book Rating : 4.4/5 (33 download)
Download or read book African Doctorates in Mathematics written by and published by Lulu.com. This book was released on 2007 with total page 385 pages. Available in PDF, EPUB and Kindle. Book excerpt: This volume presents a catalogue of over 2000 doctoral theses by Africans in all fields of mathematics, including applied mathematics, mathematics education and history of mathematics. The introduction contains information about distribution by country, institutions, period, and by gender, about mathematical density, and mobility of mathematicians. Several appendices are included (female doctorate holders, doctorates in mathematics education, doctorates awarded by African universities to non-Africans, doctoral theses by non-Africans about mathematics in Africa, activities of African mathematicians at the service of their communities). Paulus Gerdes compiled the information in his capacity of Chairman of the African Mathematical Union Commission for the History of Mathematics in Africa (AMUCHMA). The book contains a preface by Mohamed Hassan, President of the African Academy of Sciences (AAS) and Executive Director of the Academy of Sciences for the Developing World (TWAS). (383 pp.)
Author : Antony Gautier
Publisher :
ISBN 13 :
Total Pages : 159 pages
Book Rating : 4.:/5 (493 download)
Download or read book Modèles de séries temporelles à coefficients dépendants du temps written by Antony Gautier and published by . This book was released on 2004 with total page 159 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans cette thèse, nous étudions les propriétés probalistes et/ou statistiques de modèles linéaires ou non-linéaires de séries temporelles à coefficients dépendant du temps. La première partie de la thèse est dévolue à la statistique des modèles ARMA dont les coefficients varient en fonction d'événements récurrents, mais non-périodiques. Les propriétés asymptotiques (convergence forte et normalité) des estimateurs des moindres carrés sont établies. Le cas particulier des modèles ARMA à changement de régime Markoviens est ensuite considéré. La seconde partie de la thèse étudie l'influence asymptotique de la correction par la moyenne des séries temporelles sur l'estimation par moindres carrés de modèles ARMA périodiques. Dans la dernière partie de la thèse, nous étendons nos recherches à des modèles bilinéaires à coefficients périodiques. Les résultats obtenus sont régulièrement illustrés à distance finie à partir d'expériences de Monte Carlo
Author : Gabrielle Grégoire
Publisher :
ISBN 13 :
Total Pages : pages
Book Rating : 4.:/5 (114 download)
Download or read book Sur les modèles non-linéaires autorégressifs à transition lisse et le calcul de leurs prévisions written by Gabrielle Grégoire and published by . This book was released on 2019 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: Ce mémoire porte sur l'étude des données dépendantes. La littérature classique a consacré beaucoup d'énergie dans l'étude de modèles qualifiés de linéaires. Ces modèles sont particulièrement utiles pour des données macroéconomiques mesurées à des périodes finalement assez longues (mois, années, etc). Lorsque les données sont mesurées à une échelle temporelle plus fine, et lorsque les données sont nombreuses, il est alors possible de de décrire le processus stochastique sous-jacent par des modèles plus élaborés, permettant de décrire les caractéristiques non-linéaires. C'est dans ce cadre moderne que s'inscrit ce mémoire. Il se propose d'étudier les modèles autorégressifs à transition lisse. Les modèles ont été introduits et popularisés par Teräsvirta (1994), entre autres. Nous concentrons notre étude sur la modélisation et les prévisions pour ces modèles. Ceux-ci étant marqués par la présence de plusieurs régimes ainsi qu'une transition particulière entre ces différents régimes, ils permettent de modéliser plus adéquatement un processus stochastique par des modèles de séries chronologiques qui affichent certains comportements non-linéaires. Notre objectif est de comparer ces modèles aux modèles autorégressifs linéaires classiques, et d'étudier si leur utilisation est marquée par une différence favorable au niveau de la prévision de valeurs futures. Il est à noter qu'une motivation première dans ce mémoire est l'élaboration de prévisions dans ces modèles. Bien que la formulation des modèles autorégressifs à transition lisse soit particulièrement attrayante, la mise en application entraîne de nombreuses complications. Entre autres, l'estimation des modèles présente des difficultés au niveau de l'obtention de valeurs estimées pour les paramètres, dû à la présence d'une composante non-linéaire dans le modèle, ce qui rend l'estimation plus complexe puisqu'elle se doit alors d'être effectuée par optimisation non-linéaire. Bien sûr, ceci est également vrai dans la classe des modèles autorégressifs à moyennes mobiles (ARMA), reposant sur le choix d'un ordre autorégressif p et moyenne mobile q. Lorsque q > 0, il est bien connu que l'optimisation est également non-linéaire. Cependant, l'expérience empirique suggère que les problèmes numériques sont moins difficiles que pour les modèles autorégressifs à transition lisse. L'estimation des erreurs standards des paramètres est également élaborée, mais possible, puisque l'obtention de la matrice des variances-covariances est souvent marquée par des difficultés calculatoires. Les prévisions pour les séries temporelles occasionnent également des problèmes dans le cadre non-linéaire. La théorie linéaire classique n'étant pas applicable en raison de la composante non-linéaire du modèle, les prévisions ponctuelles pour les modèles autorégressifs à transition lisse doivent être effectuées à l'aide de différentes méthodes plus ou moins complexes, dont certaines mènent à un biais pour les prévisions ponctuelles aux temps supérieurs à un et d'autres deviennent rapidement difficiles à obtenir lorsque les temps de prévisions sont grands. Pour les intervalles de prévision, ils doivent également être mesurés avec des méthodes de ré-échantillonnage puisque la théorie linéaire n'est pas applicable. En fait, il peut être affirmé qu'une contribution originale du mémoire est une étude détaillée des prévisions et des intervalles de prévision dans nos modèles. Dans le premier chapitre, nous présentons les séries temporelles ainsi que les modèles autorégressifs linéaires classiques principaux s'y rattachant. Nous élaborons les modèles non-linéaires ainsi que le modèle autorégressif à transition lisse univarié, en plus de ses caractéristiques principales et des conditions de sa stationnarité. Dans le deuxième chapitre, nous développons les techniques d'estimation reliées aux modèles autorégressifs à transition lisse. En particulier, nous élaborons les étapes d'ajustement du modèle, soit la spécification, l'estimation et l'évaluation. La spécification comprend entre autres les tests de linéarité, étape nécessaire afin de justifier l'utilisation des modèles autorégressifs à transition lisse. L'estimation est effectuée par optimisation non-linéaire avec recherche quadrillée pour trouver les valeurs initiales. Dans le troisième chapitre, nous présentons les méthodes de prévision pour les modèles autorégressifs linéaires classiques et pour les modèles autorégressifs à transition lisse. Plus particulièrement, nous élaborons les difficultés d'application des méthodes de prévision habituelles dans le cadre des modèles non-linéaires, et les méthodes permettant de contourner ces difficultés. Nous définissons également les intervalles de prévision et les méthodes pour déterminer ces intervalles. Dans le quatrième chapitre, nous appliquons la théorie définie précédemment lors de simulations empiriques, avec pour but de comparer les modèles linéaires aux modèles autorégressifs à transition lisse, et nous discutons des résultats obtenus. Dans le cinquième chapitre, nous appliquons la théorie à une série temporelle représentant les rendements quotidiens du fonds négocié en bourse SPDR (pour Standard & Poor's Depositary Receipts) suivant l'indice boursier S&P 500 (SPY ), et nous comparons nos résultats avec ceux disponibles dans la littérature, tant au niveau de l'estimation des modèles autorégressifs à transition lisse qu'à la performance des prévisions ponctuelles et intervalles de prévision. Nous finissons par une conclusion. Tous les codes utiles pour reproduire les résultats de simulations et d'analyse de données sont disponibles sur demande.
Author : Osman Nakkar
Publisher :
ISBN 13 :
Total Pages : 822 pages
Book Rating : 4.:/5 (991 download)
Download or read book Modélisation Espace d'états de la dynamique des séries temporelles written by Osman Nakkar and published by . This book was released on 1994 with total page 822 pages. Available in PDF, EPUB and Kindle. Book excerpt: LE MODELE ESPACE D'ETATS ET LE FILTRE DE KALMAN, UTILISES A L'ORIGINE EN AUTOMATIQUE APPLIQUE, ONT ETE EMPLOYES RECEMMENT EN ECONOMETRIE POUR MODELISER LES SERIES TEMPORELLES ET POUR ESTIMER LES MODELES LINEAIRES A COEFFICIENTS VARIABLES. APRES AVOIR PRESENTE LE MODEL ESPACE D'ETATS ET LE FILTRE DE KALMAN QUI LUI EST ASSOCIE, NOUS ABORDONS LES PROBLEMES LIES A L'IDENTIFICATION ET A L'ESTIMATION DE CE MODELE. NOUS PROPOSONS DANS CE BUT DE COMBINER LES DEUX METHODES DE L'ALGORITHME E.M. ET DE LA FACTORISATION DE LA MATRICE DE HANKEL. POUR MODELISER LES SERIES TEMPORELLES NON STATIONNAIRES, NOUS PROPOSONS L'UTILISATION D'UN MODELE VAR A COEFFICIENTS VAR IABLES. LES ESTIMATEURS DE CES DERNIERS SONT OBTENUS A L'AIDE DU FILTRE DE KALMAN. NOUS UTILISONS EGALEMENT UN MODELE ESPACE D'ETATS ESTIME EN DEUX ETAPES ET QUI EST BASE SUR L'IDEE CLASSIQUE DE LA DECOMPOSITION D'UNE SERIE NON STATIONNAI RE EN COMPOSANTE TENDANCIELLE ET EN COMPOSANTE CYCLIQUE OU ACCIDENTELLE NON OBSERVABLES. L'APPLICATION EMPIRIQUE AU MARCHE DU CUIVRE MET EN EVIDENCE L'INTERET PRATIQUE DU MODELE ESPACE D'ETATS POUR LA PREVISIO N ET SA CAPACITE A DECELER LES INTERACTIONS DYNAMIQUES ENTRE LES DIFFERENTES VARIABLES INTERVENANT DANS LE MODELE GRACE A SA FONCTION DE TRANSFERT.
Author :
Publisher :
ISBN 13 :
Total Pages : 660 pages
Book Rating : 4.3/5 (91 download)
Download or read book Mathematical Reviews written by and published by . This book was released on 1997 with total page 660 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Author : Jean-Luc Vuattoux
Publisher :
ISBN 13 :
Total Pages : 198 pages
Book Rating : 4.:/5 (49 download)
Download or read book Identification de modèles de séries temporelles non-gaussiennes written by Jean-Luc Vuattoux and published by . This book was released on 1997 with total page 198 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans le cas de séries temporelles non-gaussiennes stochastiques stationnaires, représentées par un modèle générateur linéaire du type auto-régressif à moyenne ajustée (ARMA) excité par une séquence blanche non-gaussienne inconnue, l'analyse spectrale se ramène à l'identification des paramètres du modèle ARMA. Nous étudions dans une première partie, les méthodes d'identification de modèles ARMA fondées sur les statistiques d'ordre supérieur (SOS) à deux. Nous nous intéressons aussi à une méthode fondée sur le principe de la déconvolution par minimum d'entropie. Afin de l'étendre à l'identification de modèles ARMA non-causaux, nous généralisons l'approche du minimum de variance de l'erreur de prédiction en introduisant une représentation non-causale séparant les parties causale et anti-causale du modèle ARMA. La seconde partie consiste en l'étude et l'élaboration de méthodes visant à l'optimalité au sens de la matrice de variance-covariance de l'erreur d'estimation des paramètres. L'optimalité est atteinte, dans le cas général d'un modèle ARMA non-causal et d'une entrée de fonction de densité de probabilité (FDP) non-gaussienne, si l'estimateur du maximum de vraisemblance (MV) est utilisé. Mais la FDP de l'entrée est généralement inconnue. Nous avons donc élaboré un estimateur du MV approché, combinant les SOS et les techniques d'identification robuste. Ceci nécessite l'extension de l'approche de l'erreur de prédiction dans un cas général. Puis, la FDP de l'entrée est modélisée par un mélange de deux gaussiennes de mêmes statistiques jusqu'à l'ordre quatre que la FDP de l'entrée, et minimisant l'information de Fisher parmi toutes les solutions possibles. Les méthodes d'identification présentées et élaborées sont comparées en simulation. Nous proposons une nouvelle mesure de distance entre modèles ARMA non-causaux, la distance bicepstrale, utilisée ensuite pour la comparaison de méthodes d'identification du point de vue des performances de l'estimation.
Author : JEAN-LUC VUATTOUX
Publisher :
ISBN 13 :
Total Pages : 208 pages
Book Rating : 4.:/5 (49 download)
Download or read book Identification de modeles de series temporelles non-guassiennes written by JEAN-LUC VUATTOUX and published by . This book was released on 1997 with total page 208 pages. Available in PDF, EPUB and Kindle. Book excerpt: DANS LE CAS DE SERIES TEMPORELLES NON-GAUSSIENNES STOCHASTIQUES STATIONNAIRES, REPRESENTEES PAR UN MODELE GENERATEUR LINEAIRE DU TYPE AUTO-REGRESSIF A MOYENNE AJUSTEE (ARMA) EXCITE PAR UNE SEQUENCE BLANCHE NON-GAUSSIENNE INCONNUE, L'ANALYSE SPECTRALE SE RAMENE A L'IDENTIFICATION DES PARAMETRES DU MODELE ARMA. NOUS ETUDIONS DANS UNE PREMIERE PARTIE, LES METHODES D'IDENTIFICATION DE MODELES ARMA FONDEES SUR LES STATISTIQUES D'ORDRE SUPERIEUR (SOS) A DEUX. NOUS NOUS INTERESSONS AUSSI A UNE METHODE FONDEE SUR LE PRINCIPE DE LA DECONVOLUTION PAR MINIMUM D'ENTROPIE. AFIN DE L'ETENDRE A L'IDENTIFICATION DE MODELES ARMA NON-CAUSAUX, NOUS GENERALISONS L'APPROCHE DU MINIMUM DE VARIANCE DE L'ERREUR DE PREDICTION EN INTRODUISANT UNE REPRESENTATION NON-CAUSALE SEPARANT LES PARTIES CAUSALE ET ANTI-CAUSALE DU MODELE ARMA. LA SECONDE PARTIE CONSISTE EN L'ETUDE ET L'ELABORATION DE METHODES VISANT A L'OPTIMALITE AU SENS DE LA MATRICE DE VARIANCE-COVARIANCE DE L'ERREUR D'ESTIMATION DES PARAMETRES. L'OPTIMALITE EST ATTEINTE, DANS LE CAS GENERAL D'UN MODELE ARMA NON-CAUSAL ET D'UNE ENTREE DE FONCTION DE DENSITE DE PROBABILITE (FDP) NON-GAUSSIENNE, SI L'ESTIMATEUR DU MAXIMUM DE VRAISEMBLANCE (MV) EST UTILISE. MAIS LA FDP DE L'ENTREE EST GENERALEMENT INCONNUE. NOUS AVONS DONC ELABORE UN ESTIMATEUR DU MV APPROCHE, COMBINANT LES SOS ET LES TECHNIQUES D'IDENTIFICATION ROBUSTE. CECI NECESSITE L'EXTENSION DE L'APPROCHE DE L'ERREUR DE PREDICTION DANS UN CAS GENERAL. PUIS, LA FDP DE L'ENTREE EST MODELISEE PAR UN MELANGE DE DEUX GAUSSIENNES DE MEMES STATISTIQUES JUSQU'A L'ORDRE QUATRE QUE LA FDP DE L'ENTREE, ET MINIMISANT L'INFORMATION DE FISHER PARMI TOUTES LES SOLUTIONS POSSIBLES. LES METHODES D'IDENTIFICATION PRESENTEES ET ELABOREES SONT COMPAREES EN SIMULATION. NOUS PROPOSONS UNE NOUVELLE MESURE DE DISTANCE ENTRE MODELES ARMA NON-CAUSAUX, LA DISTANCE BICEPSTRALE, UTILISEE ENSUITE POUR LA COMPARAISON DE METHODES D'IDENTIFICATION DU POINT DE VUE DES PERFORMANCES DE L'ESTIMATION.
Author : Jean-Michel Zakoian
Publisher :
ISBN 13 :
Total Pages : 31 pages
Book Rating : 4.:/5 (131 download)
Download or read book Contributions à l'étude des séries temporelles non linéaires written by Jean-Michel Zakoian and published by . This book was released on 1997 with total page 31 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Author : Yves Aragon
Publisher : EDP Sciences
ISBN 13 : 2759819949
Total Pages : 286 pages
Book Rating : 4.7/5 (598 download)
Download or read book Séries temporelles avec R written by Yves Aragon and published by EDP Sciences. This book was released on 2016-06-30 with total page 286 pages. Available in PDF, EPUB and Kindle. Book excerpt: Livre sur les séries temporelles avec l'utilisation du logiciel R.
Author : Hervé Cardot
Publisher :
ISBN 13 :
Total Pages : 171 pages
Book Rating : 4.:/5 (49 download)
Download or read book Contribution à l'estimation et à la prévision statistique de données fonctionnelles written by Hervé Cardot and published by . This book was released on 1997 with total page 171 pages. Available in PDF, EPUB and Kindle. Book excerpt: CE TRAVAIL ABORDE LE PROBLEME DE L'ESTIMATION NON PARAMETRIQUE DES CARACTERISTI QUES DU SECOND ORDRE DE FONCTIONS ALEATOIRES DISCRETISEES POUR LESQUELLES NOUS CONSIDERONS DEUX MODELES : LE PREMIER EST UN MODELE DE REGRESSION NON PARAMETRIQUE, SOUS CONTRAINTE DE RANG, DE DONNEES LONGITUDINALES DONT LES POINTS DE MESURE VARIENT D'UNE COURBE A L'AUTRE. LES ESTIMATEURS, DEFINIS COMME SOLUTION D'UN PROBLEME D'OPTIMISATION, SONT CONS TRUITS AU MOYEN DE SPLINES HYBRIDES ET CONDUISENT A UNE NOUVELLE ANALYSE EN COMPOSANTES PRINCIPALES FONCTIONNELLES. CETTE METHODE EST APPLIQUEE A L'ETUDE DE DONNEES PLUVIOMETRIQUES. NOUS PROUVONS ENSUITE LA CONVERGENCE EN MOYENNE QUADRATIQUE DE L'ESTIMATEUR DE LA MOYENNE ET DES VECTEURS PROPRES DE L'OPERATEUR DE COVARIANCE. ENFIN UN DEVELOPPEMENT ASYMPTOTIQUE DE L'ERREUR QUADRATIQUE BASE SUR LA THEORIE DES PERTU RBATIONS MONTRE QU'IL EST PREFERABLE DE LISSER LORSQUE LES DONNEES SONT BRUITEES. LE SECOND MODELE PORTE SUR LA PREVISION DE PROCESSUS AUTOREGRESSIFS FONCTIONNELS. NOUS DEVELOPPONS UNE METHODE DE REGRESSION NON PARAMETRIQUE SIMULTANEE DES TRAJECTOIRES QUI ANTICIPE LA REDUCTION DE DIMENSION NECESSAIRE A LA CONSTRUCTION D'UN PREDICTEUR. CETTE APPROCHE EST ENSUITE APPLIQUEE A LA PREVISION DE SERIES REELLES (TRAFIC AUTOROUTIER, SERIES CLIMATOLOGIQUES ENSO) ET COMPAREE AVEC D'AUTRES PREDICTEURS DE TYPE PARAMETRIQUE OU NON (NOYAUX,...). NOUS PROUVONS EGALEMENT LA CONVERGENCE EN PROBABILITE DU PREDICTEUR CONSTRUIT PAR L'INTERPOLATION ET LE LISSAGE SPLINE DES TRAJECTOIRES.
Author : MARIE-LUCE.. TAUPIN
Publisher :
ISBN 13 :
Total Pages : 130 pages
Book Rating : 4.:/5 (49 download)
Download or read book Estimation semi-paramétrique pour le modèle de régression non linéaire avec erreurs sur les variables written by MARIE-LUCE.. TAUPIN and published by . This book was released on 1998 with total page 130 pages. Available in PDF, EPUB and Kindle. Book excerpt: DANS UN MODELE DE REGRESSION NON LINEAIRE AVEC ERREURS SUR LES VARIABLES, ON SUPPOSE LES VARIABLES EXPLICATIVES SONT DES VARIABLES ALEATOIRES REELLES INDEPENDANTES, DE DENSITE INCONNUE, QUI SONT OBSERVEES A UNE ERREUR ADDITIVE INDEPENDANTES ET GAUSSIENNE PRES. LA FONCTION DE REGRESSION EST CONNUE A UNE PARAMETRE FINI-DIMENSIONNEL PRES. L'OBJECTIF EST D'ESTIMER CE PARAMETRE DANS CE MODELE SEMI-PARAMETRIQUE. NOUS PROCEDONS EN DEUX ETAPES. LE CHAPITRE 2 EST CONSACREE A L'ESTIMATION DE FONCTIONNELLES LINEAIRES INTEGRALES D'UNE DENSITE DANS LE MODELE DE CONVOLUTION. EN PARTICULIER NOUS ETABLISSONS UNE BORNE INFERIEURE DU RISQUE QUADRATIQUE MINIMAX POUR L'ESTIMATION D'UNE DENSITE EN UN POINT SUR LA CLASSE DES DENSITES OBTENUES PAR CONVOLUTION AVEC LA DENSITE GAUSSIENNE STANDARD. DANS LE CHAPITRE 3, EN UTILISANT LES RESULTATS PRECEDENTS, NOUS PROPOSONS UN CRITERE DES MOINDRES CARRES MODIFIE, BASE SUR L'ESTIMATION D'UNE ESPERANCE CONDITIONNELLE DEPENDANT DE LA DENSITE INCONNUE DES VARIABLES EXPLICATIVES. NOUS MONTRONS QUE L'ESTIMATEUR OBTENU PAR MINIMISATION DU CRITERE AINSI CONSTRUIT EST CONSISTANT ET QUE SA VITESSE DE CONVERGENCE EST D'AUTANT PLUS RAPIDE QUE LA FONCTION DE REGRESSION ADMET DE FORTES PROPRIETES DE REGULARITE (PAR RAPPORT AUX VARIABLES EXPLICATIVES), ET QU'ELLE EST GENERALEMENT PLUS LENTE QUE LA VITESSE PARAMETRIQUE N#1#/#2. NEANMOINS ELLE EST D'ORDRE (LOG N)#R/N POUR UN CERTAIN NOMBRE DE FONCTIONS DE REGRESSIONS ADMETTANT UN PROLONGEMENT ANALYTIQUE SUR LE PLAN COMPLEXE.
Author : Ali Ahmad
Publisher :
ISBN 13 :
Total Pages : 0 pages
Book Rating : 4.:/5 (992 download)
Download or read book Contribution à l'économétrie des séries temporelles à valeurs entières written by Ali Ahmad and published by . This book was released on 2016 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans cette thèse, nous étudions des modèles de moyennes conditionnelles de séries temporelles à valeurs entières. Tout d'abord, nous proposons l'estimateur de quasi maximum de vraisemblance de Poisson (EQMVP) pour les paramètres de la moyenne conditionnelle. Nous montrons que, sous des conditions générales de régularité, cet estimateur est consistant et asymptotiquement normal pour une grande classe de modèles. Étant donné que les paramètres de la moyenne conditionnelle de certains modèles sont positivement contraints, comme par exemple dans les modèles INAR (INteger-valued AutoRegressive) et les modèles INGARCH (INteger-valued Generalized AutoRegressive Conditional Heteroscedastic), nous étudions la distribution asymptotique de l'EQMVP lorsque le paramètre est sur le bord de l'espace des paramètres. En tenant compte de cette dernière situation, nous déduisons deux versions modifiées du test de Wald pour la significativité des paramètres et pour la moyenne conditionnelle constante. Par la suite, nous accordons une attention particulière au problème de validation des modèles des séries temporelles à valeurs entières en proposant un test portmanteau pour l'adéquation de l'ajustement. Nous dérivons la distribution jointe de l'EQMVP et des autocovariances résiduelles empiriques. Puis, nous déduisons la distribution asymptotique des autocovariances résiduelles estimées, et aussi la statistique du test. Enfin, nous proposons l'EQMVP pour estimer équation-par-équation (EpE) les paramètres de la moyenne conditionnelle des séries temporelles multivariées à valeurs entières. Nous présentons les hypothèses de régularité sous lesquelles l'EQMVP-EpE est consistant et asymptotiquement normal, et appliquons les résultats obtenus à plusieurs modèles des séries temporelles multivariées à valeurs entières.
