U.F.R. Economie Appliquée. Econométrie Appliquée Séries Temporelles
|
|
- Antoine Girard
- il y a 6 ans
- Total affichages :
Transcription
1 U.F.R. Economie Appliquée Maîtrise d Economie Appliquée Cours de Tronc Commun Econométrie Appliquée Séries Temporelles Christophe HURLIN
2 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin 2 Chapitre 3 Identification des Processus ARMA
3 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin 3 La méthode d identification de Box et Jenkins (1976) est fondée sur la comparaison des moments empiriques de la série considérée aux moments théoriques associés aux différentes représentations potentielles. On se concentre ici sur les moments d ordre deux résumés par la fonction d autocorrélation (FAC) et la fonction d autocorrélation partielle (FAP). 1. Fonction d autocorrélation et fonction d autocorrélation partielle 1.1. Fonction d autocorrélation Définition Definition 1.1. La fonction d autocorrélation d un processus (x t,t Z), de moyenne E (x t )= m, notéeρ (k) ou ρ k, est définie par k Z : ρ (k) =ρ k = γ (k) (1.1) γ (0) avec ρ (k) [ 1, 1], et où γ (k) =γ k désigne la fonction d autocovariance, k Z : γ (k) =γ k = E [(x t m)(x t k m)] Remark 1. Les fonctions γ (k) et ρ (k) sont symétriques k Z : γ (k) =γ ( k) et ρ (k) = ρ ( k) Estimateur Definition 1.2. L estimateur de la fonction d autocorrélation, noté ρ (k) ou ρ k, obtenu pour un échantillon de T réalisations du processus (x t,t Z), est donné par k Z : γ (k) ρ (k) = γ (0) où γ (k) (ou γ k ) désigne l estimateur de la fonction d autocovariance k Z + (1.2) avec γ (k) = 1 T k (x t x t )(x t k x t k ) T k t=1 x t k = 1 T k T k t=1 x t
4 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin 4 D après le théorème central limite, la variable centré t ρk suit une loi normale centrée réduite : t ρk = ρ k ρ k L N (0, 1) k Z (1.3) V ( ρ k ) 1 2 T où V ( ρ k ) désigne l estimateur de la variance empirique des estimateurs ρ k : V ( ρ k )= 1 T K j= K En utilisant la symétrie des ρ k, on montre que : V ( ρ k )= 1 K 1+2 T ρ 2 j avec K<k (1.4) ρ 2 j j=1 (1.5) Proposition 1.3. La statistique de Student associée au test H 0 : ρ k =0, est donnée par : t ρk = ρ k V ( ρ k ) 1 2 L N (0, 1) k T Z Au seuil α =5%, si t ρk 1.96, on rejette l hypothèse H0, c est à dire la nullité de ρ k Fonction d autocorrélation partielle Définition L autocorrélation partielle d ordre k désigne la corrélation entre x t et x t k obtenue lorsque l influence des variables x t k i, avec i<k,a été retirée. Definition 1.4. L autocorrélation partielle d ordre k d un processus (x t,t Z), de moyenne E (x t )=m, notéep (k) ou p k, est définie par le dernier coefficient de la projection linéaire de x t+1 sur ces k plus récentes valeurs. k Z : x t+1 m = c 1 (x t m)+c 2 (x t 1 m) c k 1 (x t k m)+p k (x t k+1 m) (1.6) ou de façon équivalente par : c 1 c 2. = p k γ 0 γ 1. γ k 1 γ 1 γ 0. γ k γ k 1 γ k 2. γ 0 1 γ 1 γ 2. γ k = 1 ρ 1. ρ k 1 ρ 1 1. ρ k ρ k 1 ρ k ρ 1 ρ 2. ρ k (1.7)
5 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin 5 Remark 2. Pour un processus centré, la FAP est une fonction telle que k Z, p (k) [ 1, 1] Corollary 1.5. De façon générale, la fonction d autocorrélation partielle d un processus stationnaire (x t,t Z) satisfait la relation p k = P k P k k N (1.8) avec et P k = P k = 1 ρ 1. ρ k 1 ρ ρ k ρ 1. ρ 1 ρ 1 1. ρ ρ k 1. ρ k Remark 3. Les trois premières autocorrélations partielles sont donc déterminées par les relations suivantes : p 1 = ρ 1 (1.9) p 2 = ρ 2 ρ ρ 2 1 p 3 = ρ3 1 ρ 1 ρ 2 (2 ρ 2 )+ρ 3 (1 ρ 2 1) 1 ρ 2 2 2ρ 2 1 (1 ρ 2 ) (1.10) (1.11) Estimation Proposition 1.6. Un estimateur naturel p k de l autocorrélation partielle p k du processus (x t,t Z) consiste en l estimateur des MCO du dernier paramètre de la régression : x t+1 = c + p 1 x t + p 2 x t p k x t k+1 + ε t k Z (1.12)
6 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin 6 Apartirdelarelation(??), une autre façon d obtenir les estimateurs p k consiste à utiliser les estimateurs des autocorrélations ρ k de la façon suivante : p k = P k k N (1.13) P k avec 1 ρ 1. ρ k 1 P k = ρ ρ k 1. 1 et P k = 1 ρ 1. ρ 1 ρ 1 1. ρ ρ k 1. ρ k Cas particulier d un AR(p) Pour un AR (p) les coefficients p k pour k > p, sont distribués selon une loi normale de moyenne nulle et de variance : var ( p k ) 1 T k>p 2. Les caractéristiques des processus AR(p) On considère un processus (x t,t Z) stationnaire représenté par un AR (p) tel que : avec ε t i.i.d. (0, σ 2 ε). On pose x t = c + φ 1 x t φ p x t p + ε t Φ (L) x t = c + ε t avec avec φ 0 =1. Φ (L) =φ 0 p φ il i =1 φ 1 L φ 2 L 2... φ p L p i=1 Si le processus x t est stationnaire, alors toutes les racines du polynômes Φ (L) sont strictement supérieures à 1 en module, ce qui implique en particulier que Φ (1) = 0, dès lors m = E (x t )= c Φ (1) = c φ 0 p i=1 φ i = c 1 φ 1 φ 2... φ p (2.1)
7 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin Fonction d autocorrélation Proposition 2.1. Lesautocovariancesetlesautocorrélationsd unprocessusar (p)(x t,t Z) satisfont la même équation aux différences homogènes que le processus lui même Fonction d autocovariance On cherche tout d abord à déterminer la fonction d autocovariance γ k = E [(x t m)(x t k m)] k Z (2.2) Proposition 2.2. La fonction d autocovariance γ k d un processus AR (p) (x t,t Z) satisfaitunerelationderécurrencedelaforme: φ1 γ γ k = 1 + φ 2 γ 2... φ p γ p + σ 2 ε k =0 (2.3) φ 1 γ k 1 + φ 2 γ k φ p γ k p k>0 avec γ k = γ k, k Z Preuve : On considère la définition de x t : D après la définition de la fonction γ k, on a k >0 x t = c + φ 1 x t φ p x t p + ε t (2.4) γ k = E [(x t m)(x t k m)] = E (cx t k )+φ 1 E (x t 1 x t k )... + φ p E (x t p x t k )+E(ε t x t k ) = φ 1 γ k 1 + φ 2 γ k φ p γ k p puisque E (ε t x t k )=0car x t k ne dépend que des ε t k j avec j 0. De la même façon : γ 0 = E (x t m) 2 = E (cx t )+φ 1 E (x t 1 x t )... + φ p E (x t p x t )+E(ε t x t ) = φ 1 γ k 1 + φ 2 γ k φ p γ k p + E (x t ε t ) = φ 1 γ k 1 + φ 2 γ k φ p γ k p + σ 2 ε car E (x t ε t )=σ 2 ε puisque x t peut s écrire sous la forme d une somme pondérée des chocs passés (théorème de Wold) : x t = Φ (L) 1 ε t = θ j ε t j avec θ 0 =1 j=
8 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin Fonction d autocorrélation On sait que par définition : ρ (k) = γ (k) γ (0) (2.5) Proposition 2.3. La fonction d autocorrélation, notée ρ (k) ou ρ k, d un processus AR (p) (x t,t Z) satisfait une relation de récurrence de la forme : 1 k =0 Φ (L) ρ k =0 ρ k = φ1ρk 1 + φ2ρk φpρk p k Z (2.6) Ces relations sont connues sous le nom d équations de Yule-Walker. L autocorrélation d ordre k est donc déterminée par une équation aux différences homogènes d ordre k dont on peut donner la solution générale. Proposition 2.4. Si le polynôme Φ (L) admet p racines distinctes (λ i ) p i=1, l autocorrélation d ordre k est déterminée par la relation ρ k = A 1 1 λ 1 k + A 2 1 λ 2 k A p 1 λ p k (2.7) où les paramètres (A i ) p i=1 sont des constantes déterminées par les conditions initiales. Corollary 2.5. Suivant les valeurs des racines λ i on obtient deux cas : Si λ i est une racine réelle telle que λ i > 1, alors le produit A i λ k i décroit avec k et tend vers 0 (exponentielle amortie). Si λ i est une racine complexe de module strictement supérieur à l unité, on obtient alors une sinusoïde amortie Fonction d autocorrélation partielle Proposition 2.6. Les autocorrélations partielles, notés p k, d un processus AR (p) x t = c + φ 1 x t φ p x t p + ε t sont nulles pour tout ordre supérieur à p (p k =0, k >p)etnon nulles pour tout ordre inférieur à p. De plus on a p p = φ p (2.8)
9 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin 9 Preuve : Il suffit d identifier membres à membres les termes de la définition de la FAC et celle du processus x t. x t = c + φ 1 x t φ p x t p + ε t ce qui peut se récrire sous la forme x t+1 m = φ 1 (x t m)... + φ p (x t p+1 m)+ε t Dèslorslederniercoefficient de la projection linéaire de x t+1 sur les p plus récentes valeurs est égal à φ p. Remark 4. La fonction d autocorrélation partielle d un AR (p) s annule à l ordre p Les caractéristiques des processus MA(q) On considère un processus (x t,t Z) stationnaire, d espérance E (x t )=m, représenté par un MA(q) tel que : x t = m + ε t θ 1 ε t 1... θ q ε t q (3.1) avec ε t i.i.d. (0, σ 2 ε). On pose x t = c + Θ (L) ε t avec Θ (L) =1 θ 1 L θ 2 L 2... θ p L p avec θ 0 = Fonction d autocorrélation Fonction d autocovariance Proposition 3.1. La fonction d aucovariance γ k d un processus MA(q) (x t,t Z) défini par x t = m + ε t θ 1 ε t 1... θ q ε t q est donnée par la relation : 1+θ θ θq 2 σ 2 ε k =0 γ k = ( θ k + θ 1 θ k θ q k θ q ) σ 2 ε 0 <k q (3.2) 0 k>q
10 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin 10 Preuve : Pour obtenir ce résultat, il suffit derappelerquee (ε t ε t j )=0si j = 0et E ε 2 t j = σ 2 ε, j. On a : γ (k) = E [(x t m)(x t k m)] = E [(ε t θ 1 ε t 1... θ q ε t q )(ε t k θ 1 ε t 1 k... θ q ε t q k )] En developpant cette expression on retrouve le résultat général énoncé ci-dessus Fonction d autocorrélation Proposition 3.2. La fonction d autocorrélation ρ k d un processus MA(q) (x t,t Z) défini par x t = m + ε t θ 1 ε t 1... θ q ε t q est donnée par la relation : ρ k = γ k γ 0 = 1 θ k +θ 1 θ k θ q k θ q 1+θ 2 1 +θ θ2 q 0 k =0 0 <k q k>q (3.3) Remark 5. La fonction d autocorrélation d un MA(q) s annule à l ordre q Fonction d autocorrélation partielle Proposition 3.3. La fonction d autocorrélation partielle p k d un processus MA(q)(x t,t Z) défini par x t = m + ε t θ 1 ε t 1... θ q ε t q se comporte comme une exponentielle ou une sinusoïdale amortie. 4. Les caractéristiques des processus ARMA (p, q) On considère un processus (x t,t Z) stationnaire, d espérance E (x t )=m, représenté par un ARMA (p, q) tel que : x t φ 1 x t 1... φ p x t p = m + ε t θ 1 ε t 1... θ q ε t q (4.1) avec ε t i.i.d. (0, σ 2 ε). On pose Φ (L) x t = c + Θ (L) ε t
11 Chapitre 2. UFR Economie Appliquée. Cours de C. Hurlin Fonction d autocorrélation Fonction d autocovariance Proposition 4.1. La fonction d autocovariance γ k d un processus stationaire ARMA (p, q) (x t,t Z) satisfait une relation de récurrence de la forme : γ k = φ 1 γ k 1 + φ 2 γ k φ p γ k p k>q (4.2) On a donc la même relation de récurrence que pour un AR (p) (équations de Yule Walker), mais cette dernière n est valable que pour des ordres supérieurs à q. Cette relation n est pas valable pour k q en raison de la corrélation entre x t j et θ j ε t j Fonction d autocorrélation Proposition 4.2. La fonction d autocorrélation ρ k d un processus stationaire ARMA (p, q) (x t,t Z) satisfait une relation de récurrence de la forme : ρ k = φ 1 ρ k 1 + φ 2 ρ k φ p ρ k p k>q (4.3) Tout comme pour le cas de l AR (p), on peut obtenir une solution à cette équation. Lorsque les p racines sont distinctes, cette solution est de la forme k k k ρ k = A 1 + A A p k>q (4.4) λ 1 λ 2 λ p où les paramètres (A i ) p i=1 sont des constantes déterminées par les conditions initiales et où les paramètres (λ i ) p i=1 désignent les p racines distinctes du polynôme associé à la composante autoregressive du processus : Φ (L) =0. Mais dans ce cas les valeurs initiales ρ 1...ρ q sont différentes de celles obtenus pour l AR (p) et les constantes (A i ) p i=1 sont donc elles mêmes différentes.
Théorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détail1 Définition de la non stationnarité
Chapitre 2: La non stationnarité -Testsdedétection Quelques notes de cours (non exhaustives) 1 Définition de la non stationnarité La plupart des séries économiques sont non stationnaires, c est-à-direqueleprocessusquiles
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détail2 TABLE DES MATIÈRES. I.8.2 Exemple... 38
Table des matières I Séries chronologiques 3 I.1 Introduction................................... 3 I.1.1 Motivations et objectifs......................... 3 I.1.2 Exemples de séries temporelles.....................
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailSéries temporelles : régression, et modélisation ARIMA(p,d,q)
Séries temporelles : régression, et modélisation ARIMA(p,d,q) 2 décembre 2012 Enseignant : Florin Avram Objectif : La prédiction des phénomènes spatio-temporaux est une des preoccupations principales dans
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailFormations EViews FORMATIONS GENERALES INTRODUCTIVES INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS
Formations EViews FORMATIONS GENERALES INTRODUCTIVES DEB : DECOUVERTE DU LOGICIEL EVIEWS INTRO : INTRODUCTION A LA PRATIQUE DE L ECONOMETRIE AVEC EVIEWS FORMATIONS METHODES ECONOMETRIQUES VAR : MODELES
Plus en détailPartie 1 - Séquence 3 Original d une fonction
Partie - Séquence 3 Original d une fonction Lycée Victor Hugo - Besançon - STS 2 I. Généralités I. Généralités Définition Si F(p) = L [f(t)u (t)](p), alors on dit que f est l original de F. On note f(t)
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailChapitre 1 Régime transitoire dans les systèmes physiques
Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer
Plus en détailTESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION
TESTS PORTMANTEAU D ADÉQUATION DE MODÈLES ARMA FAIBLES : UNE APPROCHE BASÉE SUR L AUTO-NORMALISATION Bruno Saussereau Laboratoire de Mathématiques de Besançon Université de Franche-Comté Travail en commun
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailL Econométrie des Données de Panel
Ecole Doctorale Edocif Séminaire Méthodologique L Econométrie des Données de Panel Modèles Linéaires Simples Christophe HURLIN L Econométrie des Données de Panel 2 Figure.: Présentation Le but de ce séminaire
Plus en détailaux différences est appelé équation aux différences d ordre n en forme normale.
MODÉLISATION ET SIMULATION EQUATIONS AUX DIFFÉRENCES (I/II) 1. Rappels théoriques : résolution d équations aux différences 1.1. Équations aux différences. Définition. Soit x k = x(k) X l état scalaire
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailLoi binomiale Lois normales
Loi binomiale Lois normales Christophe ROSSIGNOL Année scolaire 204/205 Table des matières Rappels sur la loi binomiale 2. Loi de Bernoulli............................................ 2.2 Schéma de Bernoulli
Plus en détailIntérêt du découpage en sous-bandes pour l analyse spectrale
Intérêt du découpage en sous-bandes pour l analyse spectrale David BONACCI Institut National Polytechnique de Toulouse (INP) École Nationale Supérieure d Électrotechnique, d Électronique, d Informatique,
Plus en détailLa problématique des tests. Cours V. 7 mars 2008. Comment quantifier la performance d un test? Hypothèses simples et composites
La problématique des tests Cours V 7 mars 8 Test d hypothèses [Section 6.1] Soit un modèle statistique P θ ; θ Θ} et des hypothèses H : θ Θ H 1 : θ Θ 1 = Θ \ Θ Un test (pur) est une statistique à valeur
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailChapitre 2. Les Processus Aléatoires Non Stationnaires 1. Chapitre 2. Tests de Non Stationnarité et Processus Aléatoires Non Stationnaires
Chapitre 2. Les Processus Aléatoires Non Stationnaires 1 Chapitre 2 Tests de Non Stationnarité et Processus Aléatoires Non Stationnaires Chapitre 2. Les Processus Aléatoires Non Stationnaires 2 Dans le
Plus en détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailIntroduction à l étude des Corps Finis
Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailMASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) Econométrie pour la Finance
MASTER ECONOMETRIE ET STATISTIQUE APPLIQUEE (ESA) Université d Orléans Econométrie pour la Finance Modèles ARCH - GARCH Applications à la VaR Christophe Hurlin Documents et Supports Année Universitaire
Plus en détailTests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE
Chapitre 5 UE4 : Biostatistiques Tests paramétriques de comparaison de 2 moyennes Exercices commentés José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés.
Plus en détailTESTS D'HYPOTHESES Etude d'un exemple
TESTS D'HYPOTHESES Etude d'un exemple Un examinateur doit faire passer une épreuve type QCM à des étudiants. Ce QCM est constitué de 20 questions indépendantes. Pour chaque question, il y a trois réponses
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détailTests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA
Tests d indépendance en analyse multivariée et tests de normalité dans les modèles ARMA Soutenance de doctorat, sous la direction de Pr. Bilodeau, M. et Pr. Ducharme, G. Université de Montréal et Université
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailBiostatistiques Biologie- Vétérinaire FUNDP Eric Depiereux, Benoît DeHertogh, Grégoire Vincke
www.fundp.ac.be/biostats Module 140 140 ANOVA A UN CRITERE DE CLASSIFICATION FIXE...2 140.1 UTILITE...2 140.2 COMPARAISON DE VARIANCES...2 140.2.1 Calcul de la variance...2 140.2.2 Distributions de référence...3
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailTSTI 2D CH X : Exemples de lois à densité 1
TSTI 2D CH X : Exemples de lois à densité I Loi uniforme sur ab ; ) Introduction Dans cette activité, on s intéresse à la modélisation du tirage au hasard d un nombre réel de l intervalle [0 ;], chacun
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailMODELE A CORRECTION D ERREUR ET APPLICATIONS
MODELE A CORRECTION D ERREUR ET APPLICATIONS Hélène HAMISULTANE Bibliographie : Bourbonnais R. (2000), Econométrie, DUNOD. Lardic S. et Mignon V. (2002), Econométrie des Séries Temporelles Macroéconomiques
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailChapitre 3 : Principe des tests statistiques d hypothèse. José LABARERE
UE4 : Biostatistiques Chapitre 3 : Principe des tests statistiques d hypothèse José LABARERE Année universitaire 2010/2011 Université Joseph Fourier de Grenoble - Tous droits réservés. Plan I. Introduction
Plus en détailÉVALUATION FORMATIVE. On considère le circuit électrique RC représenté ci-dessous où R et C sont des constantes strictement positives.
L G L G Prof. Éric J.M.DELHEZ ANALYSE MATHÉMATIQUE ÉALUATION FORMATIE Novembre 211 Ce test vous est proposé pour vous permettre de faire le point sur votre compréhension du cours d Analyse Mathématique.
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailLa maison Ecole d ' Amortissement d un emprunt Classe de terminale ES. Ce qui est demandé. Les étapes du travail
La maison Ecole d ' Amortissement d un emprunt Classe de terminale ES Suites géométriques, fonction exponentielle Copyright c 2004 J.- M. Boucart GNU Free Documentation Licence L objectif de cet exercice
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailFORMULAIRE DE STATISTIQUES
FORMULAIRE DE STATISTIQUES I. STATISTIQUES DESCRIPTIVES Moyenne arithmétique Remarque: population: m xμ; échantillon: Mx 1 Somme des carrés des écarts "# FR MOYENNE(série) MOYENNE(série) NL GEMIDDELDE(série)
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailEstimation et tests statistiques, TD 5. Solutions
ISTIL, Tronc commun de première année Introduction aux méthodes probabilistes et statistiques, 2008 2009 Estimation et tests statistiques, TD 5. Solutions Exercice 1 Dans un centre avicole, des études
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailLEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples.
LEÇON N 7 : Schéma de Bernoulli et loi binomiale. Exemples. Pré-requis : Probabilités : définition, calculs et probabilités conditionnelles ; Notion de variables aléatoires, et propriétés associées : espérance,
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailSTATISTIQUES. UE Modélisation pour la biologie
STATISTIQUES UE Modélisation pour la biologie 2011 Cadre Général n individus: 1, 2,..., n Y variable à expliquer : Y = (y 1, y 2,..., y n ), y i R Modèle: Y = Xθ + ε X matrice du plan d expériences θ paramètres
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailVI. Tests non paramétriques sur un échantillon
VI. Tests non paramétriques sur un échantillon Le modèle n est pas un modèle paramétrique «TESTS du CHI-DEUX» : VI.1. Test d ajustement à une loi donnée VI.. Test d indépendance de deux facteurs 96 Différentes
Plus en détailAC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =
LE NOMBRE D OR Présentation et calcul du nombre d or Euclide avait trouvé un moyen de partager en deu un segment selon en «etrême et moyenne raison» Soit un segment [AB]. Le partage d Euclide consiste
Plus en détailEquations différentielles linéaires à coefficients constants
Equations différentielles linéaires à coefficients constants Cas des équations d ordre 1 et 2 Cours de : Martine Arrou-Vignod Médiatisation : Johan Millaud Département RT de l IUT de Vélizy Mai 2007 I
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailI La théorie de l arbitrage fiscal de la dette (8 points)
E : «Théories de la finance d entreprise» Master M1 Université Paris-Dauphine Thierry Granger Année Universitaire 2013/2014 Session 1 Aucun document, calculette autorisée Durée 1h30 Respecter la numérotation
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailChap 4. La fonction exponentielle Terminale S. Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R.
Lemme : Si est une fonction dérivable sur R telle que : = et 0! = 1 alors ne s annule pas sur R. Démonstration : Soit la fonction %:& %&!= &!, elle est dérivable sur R et & R, %. &!= &! = &! = %&! gaelle.buffet@ac-montpellier.fr
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailTD1 Signaux, énergie et puissance, signaux aléatoires
TD1 Signaux, énergie et puissance, signaux aléatoires I ) Ecrire l'expression analytique des signaux représentés sur les figures suivantes à l'aide de signaux particuliers. Dans le cas du signal y(t) trouver
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailCours (7) de statistiques à distance, élaboré par Zarrouk Fayçal, ISSEP Ksar-Said, 2011-2012 LES STATISTIQUES INFERENTIELLES
LES STATISTIQUES INFERENTIELLES (test de Student) L inférence statistique est la partie des statistiques qui, contrairement à la statistique descriptive, ne se contente pas de décrire des observations,
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailReprésentation d une distribution
5 Représentation d une distribution VARIABLE DISCRÈTE : FRÉQUENCES RELATIVES DES CLASSES Si dans un graphique représentant une distribution, on place en ordonnées le rapport des effectifs n i de chaque
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailCours de Tests paramétriques
Cours de Tests paramétriques F. Muri-Majoube et P. Cénac 2006-2007 Licence Ce document est sous licence ALC TYPE 2. Le texte de cette licence est également consultable en ligne à l adresse http://www.librecours.org/cgi-bin/main?callback=licencetype2.
Plus en détailELEC2753 Electrotechnique examen du 11/06/2012
ELEC2753 Electrotechnique examen du 11/06/2012 Pour faciliter la correction et la surveillance, merci de répondre aux 3 questions sur des feuilles différentes et d'écrire immédiatement votre nom sur toutes
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailt 100. = 8 ; le pourcentage de réduction est : 8 % 1 t Le pourcentage d'évolution (appelé aussi taux d'évolution) est le nombre :
Terminale STSS 2 012 2 013 Pourcentages Synthèse 1) Définition : Calculer t % d'un nombre, c'est multiplier ce nombre par t 100. 2) Exemples de calcul : a) Calcul d un pourcentage : Un article coûtant
Plus en détailChapitre 7. Récurrences
Chapitre 7 Récurrences 333 Plan 1. Introduction 2. Applications 3. Classification des récurrences 4. Résolution de récurrences 5. Résumé et comparaisons Lectures conseillées : I MCS, chapitre 20. I Rosen,
Plus en détailPRIME D UNE OPTION D ACHAT OU DE VENTE
Université Paris VII - Agrégation de Mathématiques François Delarue) PRIME D UNE OPTION D ACHAT OU DE VENTE Ce texte vise à modéliser de façon simple l évolution d un actif financier à risque, et à introduire,
Plus en détail