Не ви допада? Няма проблеми! При нас имате възможност за връщане в рамките на 30 дни
Няма да сбъркате с подаръчен ваучер. Получателят може да избере нещо от нашия асортимент с подаръчен ваучер.
30 дни за връщане на стоката
Cette thčse est axée sur le problčme de l'identification de modčles factoriels de séries temporelles. La premičre étape de ce travail a pour but d'étendre ŕ plusieurs séries temporelles discrčtes, l'étude des composantes principales de Jenkins. L'approche adapte l'Analyse en Composantes Principales (ACP) aux séries temporelles en s'inspirant de la technique Singular Spectrum Analysis. A partir des résultats théoriques obtenus, une méthodologie est présentée permettant d'élaborer des modčles factoriels de référence sur des ARMA indépendants: l'objectif est de projeter une série dans un des modčles pour son identification. Plusieurs ACP, construites sur des données simulées, produisent de bonnes qualités de représentation des séries. Mais, ces modčles reflčtent avant tout la variabilité des bruits. Basées sur les autocorrélations, de nouvelles ACP donnent de meilleurs résultats et fournissent les premiers modčles de référence. La mesure d'éventuels changements structurels conduit ŕ introduire des entropies sur lesquelles sont élaborées des Analyses des Correspondances Multiples suivies de classifications produisant les seconds modčles.