Afficher la notice abrégée

dc.contributor.author Habila, Salma
dc.contributor.author Cheraitia, Hassen(encadreur)
dc.date.accessioned 2022-03-27T13:50:12Z
dc.date.available 2022-03-27T13:50:12Z
dc.date.issued 2021-06-01
dc.identifier.uri http://dspace.univ-jijel.dz:8080/xmlui/handle/123456789/11027
dc.description.abstract En statistique , les mod eles SETAR (Self-Exciting Threshold AutoRegressive) sont des mod eles non lin eaires g en eralement appliqu es aux donn ees de s erie temporelles comme une extension des mod eles autor egressifs. Ces mod eles sont caract eris es par une grande exibilit e dans leurs param etres gr^ace au comportement de changement de r egime. La majorit e des travaux de mod elisation suppose que les s eries non lin eaires et la plupart des recherche appliqu es trouvent donc commode de supposer la lin earit e. R ecemment des arguments ont et e pr esent es, bas es sur des donn ees nanci eres , selon lesquels les sp eci cations non lin eaires peuvent ^etre une repr esentation plus r ealiste de donn ees. Dans cette etude, une s erie chronologique mensuelle des taches solaires (1998-2016) a et e analys e. Le mod ele SETAR (2,3,3,2) a et e choisit comme meilleur mod ele non lin eaire pour cette s erie sur le quel les pr evisions ont et e calcul ees pour une p eriode de 6 mois. En terme de RMSE, le mod ele SETAR (2,3,3,2) a fournit des bonnes pr evisions fr_FR
dc.language.iso fr fr_FR
dc.publisher Université jijel fr_FR
dc.relation.ispartofseries ;Mat.Sta.03/21
dc.subject Les Modèles Auto-Régressifs fr_FR
dc.title Les Modèles Auto-Régressifs a Seuil fr_FR
dc.type Thesis fr_FR


Fichier(s) constituant ce document

Ce document figure dans la(les) collection(s) suivante(s)

Afficher la notice abrégée

Chercher dans le dépôt


Recherche avancée

Parcourir

Mon compte