22/11/2022

ORGANISATION DU COURS

Volume horaire:
Cours/ Travaux Dirigés /Travaux Pratiques

Objectifs pédagogiques:
SÉRIES Comment prendre l’intérêt d’étudier les séries chronologique - être en
mesure d’analyser la saisonnalité - Réaliser des prédictions à partir d’une
série chronologique - Se familiariser avec les processus aléatoire
TEMPORELLES stationnaire et les processus ARMA

Evaluation :

Assiduité et participation +
1 TP +
Examen final

Pr. Omar SOUISSI Année Universitaire 2022/2023

PLAN DU COURS ANALYSE DE LA SAISONNALITÉ

• L’analyse d’une série chronologique impose d’abord d’isoler la

1- Introduction saisonnalité en vue d’étudier de manière adéquate les autres

caractéristiques.
2- Analyse de la saisonnalité
• La désaisonnalisation systématique peut conduire à un bruit dégradant
3- Prévision d’une série chronologique
la qualité des prédiction. Il faut ainsi vérifier préalablement l’existence

4- Processus aléatoire stationnaire et processus ARMA de la saisonnalité.

3 4

1
 22/11/2022

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Détection de la saisonnalité Détection de la saisonnalité

Représentation graphique et tableau de Buys-Ballot Représentation graphique et tableau de Buys-Ballot

Confirmons à l’aide du tableau de Buys Ballot. Ledit tableau est constitué

en ligne par les années et en colonne par le facteur à analyser (mois,
trimestre …). Les moyennes et les écarts types des années et des
trimestres (ou encore une autre période selon le cas étudié) sont calculés
ainsi que pour l’ensemble des observations de la chronique.

Ventes trimestrielles en millier d’unité

5 6
La figure permet de relever une saisonnalité au 4ème trimestre

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Détection de la saisonnalité Détection de la saisonnalité

Représentation graphique et tableau de Buys-Ballot Analyse de la variance et test de Fisher

La représentation graphique ainsi que le tableau ne permettent pas

toujours de valider de manière précise l’existence d’une saisonnalité, le
test de Fisher à partir de l’analyse de variance est plus précis.

Une fois les trimestres de chaque année classés par valeurs décroissantes,
nous soulevons la persistance du trimestre 4 classé en première position
permettant ainsi de détecter une saisonnalité.

7 8

2
 22/11/2022

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Détection de la saisonnalité Détection de la saisonnalité

Analyse de la variance et test de Fisher Analyse de la variance et test de Fisher

Soit N le nombre d’années
p le nombre d’observations (la périodicité) dans l’année, p=4 pour
trimestre ou encore p=12 pour des mois à titre d’exemple.
yij la valeur de la chronique pour la ième année (i=1,…, N) et la jème
période (j=1,…, p) supposée tel que yij = mij + eij avec eij représentant les
résidus considérés comme aléatoires.
Les mij mesurent l’effet de la période en colonne du tableau bj ainsi que
l’effet de l’année en tableau ai.
9 10
• Si l’effet période (dans notre cas trimestre) est significatif la série est
saisonnière.
• Si l’effet de l’année est significatif, il y a alors deux interprétations:
 La chronique de départ n’a pas été transformée, elle possède alors
des paliers horizontaux.
 La chronique a été transformée, des changements de tendances
existent dans la chronique.

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Détection de la saisonnalité Détection de la saisonnalité

Analyse de la variance et test de Fisher Analyse de la variance et test de Fisher
1. Calcul de la variance totale du tableau 2. Test de l’influence du facteur colonne, la période (mois ou
trimestre: H0 pas d’influence)

Calcul du test de Fisher empirique à comparer avec la

valeur tabulaire
Avec

Avec Si Fc est supérieure à la valeur lu au tableau alors H0 est rejetée et la

11 série est considérée comme étant saisonnière. 12

3
 22/11/2022

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Détection de la saisonnalité Détection de la saisonnalité

Analyse de la variance et test de Fisher Analyse de la variance et test de Fisher
3. Test de l’influence du facteur ligne Exercice
Effectuer le test de détection de saisonnalité et de tendance à partir des
Calcul du test de Fisher empirique à comparer avec la données suivantes:
valeur tabulaire
Avec

Si Fc est supérieure à la valeur lu au tableau alors H0 est rejetée et la

série est considérée comme étant affectée d’une tendance.
13 14

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Détection de la saisonnalité Méthodes de désaisonnalisation

Analyse de la variance et test de Fisher
Résultat  Le choix dépend de la nature déterministe ou aléatoire de la
saisonnalité de la chronique.

 Lorsqu’elle est déterministe, bien marquée et répétitive, les méthodes

de régressions sont adaptées.

 Lorsqu’elle est aléatoire en amplitude ou en période, les techniques de

filtrage par moyennes mobiles sont adaptées.

15 16

4
 22/11/2022

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Désaisonnalisation avec régression linéaire Désaisonnalisation avec régression linéaire

Exemple: Exemple:
Prenons le cas de la série suivante représentant le nombre mensuel de Prenons le cas de la série suivante représentant le nombre mensuel de
passagers aériens, en milliers, de janvier 1949 à décembre 1960. passagers aériens, en milliers, de janvier 1949 à décembre 1960. Si on
représente cette fois le logarithme de cette série, on obtient :

17 18

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Estimation de la tendance Estimation de la tendance

Méthode de Mayer : ajustement par une droite: Méthode de Mayer : ajustement par une droite:

On ajuste le nuage de points (t ; Yt) par une droite passant par deux On ajuste le nuage de points (t ; Yt) par une droite passant par deux
points calculés : On découpe la série en 2 sous ensembles de même effectif. points calculés : On découpe la série en 2 sous ensembles de même effectif.

Pour chacun des 2 sous ensembles, on calcule la moyenne des t et la Pour chacun des 2 sous ensembles, on calcule la moyenne des t et la
moyenne des Yt. On obtient ainsi 2 points ( t1, Y1) et ( t2 ,Y2 ) , appelés moyenne des Yt. On obtient ainsi 2 points ( t1, Y1) et ( t2 ,Y2 ) , appelés
points moyens. Il reste à tracer la droite passant par ces 2 points. points moyens. Il reste à tracer la droite passant par ces 2 points.

Remarque : On peut calculer les points médians au lieu des points

19 moyens. Cela permet de limiter l’influence les valeurs aberrantes. 20

5
 22/11/2022

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Estimation de la tendance Estimation de la tendance

Méthode des Moindres carrées(*): Méthode des Moindres carrées:

Tendance linéaire Tendance polynomiale

On utilise la méthode des moindres carrés pour ajuster la série On peut utiliser la méthode des moindres carrés afin d’ajuster une
chronologique Yt , avec la fonction Et = at + b. On détermine la droite des tendance sous la forme d’un polynôme de degré choisi. L’observation du
moindres carrés (y = at + b) du nuage de points (t ; Yt). graphe de la série donne une idée du degré du polynôme (selon la forme de
la courbe) Il faut faire un compromis entre :
(C'est-à-dire la droite qui minimise la distance ) • obtenir des résidus qui fluctuent autour de 0 avec une amplitude la
Avec et plus faible possible (cela nécessite un degré élevé)
21 • utiliser un polynôme de degré le plus faible possible. On choisit le degré22
* indépendamment élaborée par Legendre et Gauss minimum du polynôme qui donne un ajustement correct.

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Estimation de la tendance Estimation de la tendance

Méthode des Moindres carrées: Méthode des Moyennes mobiles:

Autres tendances D’abord il faut calculer des moyennes d’ordre p d’une série (Yt), ce qui
consiste à :
Pour certaines autres tendances, on peut se ramener à une tendance
linéaire ou polynomiale à l’aide d’un changement de variable. − considérer les p premières valeurs de la série et en calculer la moyenne,

− puis des p valeurs précédentes, on supprime la première valeur et on

considère la valeur qui suit la dernière valeur considérée à l’étape
précédente, et on calcule la moyenne de ces valeurs …
23 24

on répète ceci tant que l’on a p valeurs consécutives.

6
 22/11/2022

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Estimation de la tendance Estimation de la tendance

Méthode des Moyennes mobiles simples: Méthode des Moyennes mobiles simples:

On note MM(k) la série des moyennes mobile d’ordre k de la série (Yj) On note MM(k) la série des moyennes mobile d’ordre k de la série (Yj)
j=1…n j=1…n

* Lorsque k est impair et vaut 2m+1 * Lorsque k est pair et vaut 2m

25 26

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Estimation de la tendance Calcul des variations saisonnières

Méthode des Moyennes mobiles centrées:

La tendance Et est estimée par ajustement ou lissage (moyenne ou

On note MMC(k) la série des moyennes mobiles centrées d’ordre k, la série
médiane mobile). On va maintenant estimer les variations saisonnières
défini comme suit:
St.

Rappel : dans le cas d’une estimation de Et par moyennes mobiles, il y a

p/2 données manquantes au début et p/2 données manquantes à la fin.

• Cas du modèle additif: Yt - Et

• Cas du modèle multiplicatif: Yt / Et
27 28

7
 22/11/2022

ANALYSE DE LA SAISONNALITÉ ANALYSE DE LA SAISONNALITÉ

Calcul des variations saisonnières Calcul des variations saisonnières

Considérons que les variations saisonnières se répètent à l’identique • Cas du modèle additif: S’j = Sj - S
chaque année, on estime alors un coefficient saisonnier pour chacun des p
mois, la variation saisonnière de tous les mois j sera le coefficient
saisonnier du mois j.
On considère les données sans tendance, on les range par année (en ligne) • Cas du modèle multiplicatif: S’j = Sj / S
et par mois (en colonne). On calcule la moyenne des données sans
tendance concernant le mois j des n années, ce qui donne une première
estimation du coefficient saisonnier Sj. On fait ceci pour chacun des mois j
(j = 1, 2 , …, p)
29 30
Avec