Professional Documents
Culture Documents
Séries chronologiques
Nino Silverio
Introduction
DÉFINITION Une série chronologique est une série statistique ordonnée en fonction
du temps. Exemples : le cours journalier en bourse (à la clôture) d’une
action, la température extérieure relevée à un même endroit à 15h, etc.
L’étude de ces séries est intéressante car elle peut permettre de prévoir
l’évolution du phénomène observé dans le temps.
1
Introduction
2 Séries chronologiques
Estimation de la tendance
Estimation de la tendance
t1 t2 t3 t4 t5 t6 t7 t8 t9
4 6 5 3 7 5 4 3 6
t1 t2 t3 t4 t5 t6 t7 t8 t9
4 6 5 3 7 5 4 3 6
5.00 4.67 5.00 5.00 5.33 4.00 4.33
+ 5 + 4- = 16
La moyenne mobile d’ordre 3 pour t 6 vaut 7-------------------- ------ ≈ 5.33 On
3 3
constate que, vu la façon de calculer ces moyennes, les deux valeurs
extrêmes pour t 1 et t 9 ont disparu, c’est-à-dire une de chaque côté.
t1 t2 t3 t4 t5 t6 t7 t8 t9
4 6 5 3 7 5 4 3 6
5 5.2 4.8 4.4 5
Séries chronologiques 3
Estimation de la tendance
4 Séries chronologiques
Estimation de la tendance
t1 t2 t3 t4 t5 t6 t7 t8 t9
4 6 5 3 7 5 4 3 6
4.88 5.13 4.88 4.75 4.63
AJUSTEMENT ANALYTIQUE Si les données (brutes ou lissées) sur le graphique se présentent sous
une forme ressemblant à une courbe connue (droite, parabole,
exponentielle, etc.), on peut essayer de dégager une forme analytique
pour cette courbe.
Séries chronologiques 5
Estimation des mouvements saisonniers
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
1996 2006 3224 3789 4153 3100 2527 3015 1504 1847 2314 1673 1602
1997 2247 3862 3586 4047 2838 2727 2730 1648 2007 2450 1966 1695
1998 2433 3723 4325 4493 3399 3083 3247 1928 2377 2831 2388 2126
1999 3127 4437 5478 4384 3552 3678 3611 2260 2699 3071 2510 2182
2000 3016 4671 5218 4746 4814 3545 3341 2439 2637 3085 2737 2055
6 Séries chronologiques
Estimation des mouvements saisonniers
Sur cet exemple, nous constatons que les deux droites ne sont pas
parallèles, nous sommes donc en présence d’un modèle multiplicatif.
Séries chronologiques 7
Correction des variations saisonnières
MÉTHODE ANALYTIQUE On calcule les moyennes et écarts-types pour chacune des périodes
considérées et on calcule la droite des moindres carrés σ = ax + b . Si
a est nul, c’est un modèle additif, si a ≠ 0 , le modèle est multiplicatif.
Moyenne Écart-type
1996 2562.8 850.7
1997 2650.3 782.3
1998 3029.4 803.6
1999 3415.8 946.6
2000 3525.3 1023.4
MODÈLE ADDITIF Considérons la série statistique des chiffres d’affaires trimestriels (en
milliers d’€) d’une entreprise [3].
Trim 1 Trim 2 Trim 3 Trim 4 Trim 1 Trim 2 Trim 3 Trim 4 Trim 1 Trim 2 Trim 3 Trim 4 Trim 1 Trim 2 Trim 3 Trim 4
120 181 71 119 128 190 73 124 140 196 84 133 145 206 96 142
8 Séries chronologiques
Correction des variations saisonnières
Séries chronologiques 9
Correction des variations saisonnières
MODÈLE MULTIPLICATIF Nous verrons deux techniques pour désaisonnaliser une série
statistique dans l’hypothèse d’un modèle multiplicatif, de loin le plus
fréquent en pratique.
MÉTHODE DES MOYENNES En utilisant la méthode des moyennes mobiles, nous calculons les
MOBILES moyennes mobiles d’ordre égal au nombre de périodes de la saison
(mois, trimestre, année, etc.).
Tableau des moyennes mobiles d'ordre 12
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
10 Séries chronologiques
Correction des variations saisonnières
1998 2851 2884 2911 2942 2976 3011 3058 3117 3195 3238 3240 3271
1999 3311 3340 3368 3391 3406 3413 3411 3416 3415 3419 3487 3534
2000 3517 3514 3518 3516 3526 3531
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Année
Juillet
Mars
Avril
Août
Juin
Mai
1996 1.17 0.58 0.70 0.88 0.64 0.62
1997 0.87 1.49 1.38 1.55 1.08 1.03 1.03 0.62 0.75 0.90 0.71 0.60
1998 0.85 1.29 1.49 1.53 1.14 1.02 1.06 0.62 0.74 0.87 0.74 0.65
1999 0.94 1.33 1.63 1.29 1.04 1.08 1.06 0.66 0.79 0.90 0.72 0.62
2000 0.86 1.33 1.48 1.35 1.37 1.00
CŒFFICIENTS Nous effectuons ensuite les moyennes des rapports saisonniers pour
SAISONNIERS chacune des périodes de la saison. Ces moyennes sont les cœfficients
saisonniers.
Cœfficients saisonniers
Septembre
Novembre
Décembre
Octobre
Février
Janvier
Juillet
Mars
Avril
Août
Juin
Mai
Somme
0.88 1.36 1.49 1.43 1.16 1.03 1.08 0.62 0.75 0.89 0.70 0.62 12.012
Novembre
Décembre
Octobre
Janvier
Février
Juillet
Mars
Avril
Août
Juin
Mai
Somme
0.88 1.36 1.49 1.43 1.16 1.03 1.08 0.62 0.75 0.89 0.70 0.62 12.00
Séries chronologiques 11
Correction des variations saisonnières
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Juillet
Mars
Avril
Août
Juin
Mai
Année
1996 2281 2372 2539 2908 2681 2447 2795 2432 2478 2608 2385 2580
1997 2555 2842 2403 2834 2455 2640 2531 2665 2692 2761 2803 2730
1998 2766 2740 2899 3146 2940 2985 3010 3118 3189 3190 3405 3424
1999 3555 3265 3671 3070 3072 3561 3348 3655 3621 3461 3578 3514
2000 3429 3437 3497 3323 4164 3432 3097 3944 3538 3476 3902 3309
Voici une représentation graphique sur laquelle nous avons reporté les
données originales ainsi que les données corrigées des variations
saisonnières.
MÉTHODE DES RAPPORTS Une autre façon de procéder pour désaisonnaliser une série
À LA TENDANCE chronologique consiste à calculer la droite de régression des données
en fonction des n périodes de la saison.
12 Séries chronologiques
Correction des variations saisonnières
Calculons alors les valeurs pour chacune des périodes en nous basant
sur la droite de régression que nous venons d’établir. Nous obtenons le
tableau suivant :
Valeurs basées sur la droite de régression
y = 14.64x + 2590.08
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Juillet
Mars
Avril
Août
Juin
Mai
Année
1 2 3 4 5 6 7 8 9 10 11 12
1996 2605 2619 2634 2649 2663 2678 2693 2707 2722 2737 2751 2766
1997 2780 2795 2810 2824 2839 2854 2868 2883 2898 2912 2927 2942
1998 2956 2971 2985 3000 3015 3029 3044 3059 3073 3088 3103 3117
1999 3132 3147 3161 3176 3190 3205 3220 3234 3249 3264 3278 3293
2000 3308 3322 3337 3352 3366 3381 3395 3410 3425 3439 3454 3469
Novembre
Décembre
Octobre
Janvier
Février
Juillet
Mars
Avril
Août
Juin
Mai
Année
1996 0.77 1.23 1.44 1.57 1.16 0.94 1.12 0.56 0.68 0.85 0.61 0.58
1997 0.81 1.38 1.28 1.43 1.00 0.96 0.95 0.57 0.69 0.84 0.67 0.58
1998 0.82 1.25 1.45 1.50 1.13 1.02 1.07 0.63 0.77 0.92 0.77 0.68
1999 1.00 1.41 1.73 1.38 1.11 1.15 1.12 0.70 0.83 0.94 0.77 0.66
2000 0.91 1.41 1.56 1.42 1.43 1.05 0.98 0.72 0.77 0.90 0.79 0.59
Novembre
Décembre
Octobre
Janvier
Février
Juillet
Mars
Avril
Août
Juin
Mai
Somme
0.86 1.34 1.49 1.46 1.17 1.02 1.05 0.63 0.75 0.89 0.72 0.62 12.00
Séries chronologiques 13
Correction des variations saisonnières
Nous n’avons pas besoin d’ajuster ces cœfficients puisque leur somme
vaut 12 (nombre de périodes par saison).
Septembre
Novembre
Décembre
Octobre
Janvier
Février
Juillet
Mars
Avril
Août
Juin
Mai
Année
1996 2326 2412 2539 2846 2657 2471 2875 2371 2466 2605 2319 2590
1997 2606 2890 2403 2774 2432 2667 2603 2598 2679 2758 2725 2740
1998 2821 2786 2899 3079 2913 3015 3096 3039 3173 3187 3310 3437
1999 3626 3320 3671 3005 3044 3597 3443 3563 3603 3457 3479 3528
2000 3497 3495 3497 3253 4125 3467 3186 3845 3520 3473 3793 3322
14 Séries chronologiques
Exercices non résolus
Séries chronologiques 15
Références
Références
[1] Michel Janvier, Statistique descriptive avec ou sans tableur,
Dunod, 1999
[2] David M. Levine, Mark L. Berenson, David Stephan, Statistics for
managers, Prentice Hall, 1999
[3] J.-L. Monino, J.-M. Kosianski, F. Le Cornu, Statistique
descriptive, Dunod, 2000
[4] M. Boissonade, A. M. Halbique, Statistique et probabilités, Ligel,
1968
16 Séries chronologiques