Estimation et prévision pour des séries temporelles

Pour la fin de cours de modèles de prévision , quelques transparents sur l’identification et l’estimation des modèles SARIMA, quelques compléments sur les tests (racines unités et non-stationnarité, ainsi que saisonnalité), et enfin, quelques pistes pour construire des prédictions (avec une quantification de l’incertitude), avec des codes R. Les transparents sont en ligne ici (même si la page de garde est identique aux autres, il s’agit de nouveau matériel). Maintenant que les transparents sont finis (et en ligne) les prochains billets seront orientés autour de la modélisation et des aspects computationnels.

Méthodes de lissage en assurance

Dans le cours de modèles de prévision, j’avais abordé les méthodes de régression locale rapidement, en finissant la section sur les données individuelles. On verra plus d’outils la session prochaine dans le cours actuariat IARD, a.k.a. ACT2040 (que je donnerai cet hiver). En attendant, je mets en ligne les transparents du cours que vient de donner Julien Tomas à l’Institut de science financière et d’assurances (à Lyon, en France), dans un contexte d’assurance dépendance.

(et que Julien m’a autorisé à diffuser).

ACT2121, éléments de correction

Le second intra avait lieu lundi dernier. L’énoncé est en ligne, ainsi que des éléments de correction (comportant également des statistiques par réponse, la bonne réponse étant en rouge). Comme annoncé au tableau, dans la question 21, il y a eu un copier-coller malencontreux (les bonnes réponses ont été écrites au tableau). Toutes mes excuses. Quant à la question 29, certains élèves s’étaient plaint de ne avoir de table de loi normale à disposition. J’avais projeté au tableau la table suivante. A mes yeux, la probabilité qu’une loi normale (centrée et réduite) soit inférieure à 2 devrait être sue par coeur (comme beaucoup d’autres quantités).