Quelles analyses de série chronologique sont comprises dans Minitab ?

Minitab propose plusieurs méthodes de prévision simple et de lissage, d'analyse par corrélation, ainsi que des techniques de modélisation ARIMA pour analyser les données de vos séries chronologiques.
Diagrammes de série chronologique
Pour représenter des données dans l'ordre chronologique afin de déterminer si une tendance ou un effet saisonnier existe, créez un diagramme de série chronologique. Dans Minitab, sélectionnez Stat > Série chronologique > Diagramme de série chronologique.
Analyse de tendance
Pour ajuster des lignes de tendance à l'aide d'un modèle de tendance linéaire, quadratique, de croissance ou à courbe en S, effectuez une analyse de tendance. Dans Minitab, sélectionnez Stat > Série chronologique > Analyse de tendance.
Décomposition
Pour ajuster un modèle qui pondère toutes les observations de manière égale afin de déterminer le meilleur ajustement de régression, effectuez une analyse de décomposition. Vous pouvez utiliser cette analyse lorsque votre série présente un effet saisonnier, avec ou sans tendance. Dans Minitab, sélectionnez Stat > Série chronologique > Décomposition.
Moyenne mobile
Pour lisser votre série à l'aide d'un modèle qui calcule la moyenne des observations récentes et exclut les observations plus anciennes, utilisez la méthode de la moyenne mobile. N'utilisez pas cette méthode lorsque votre série présente une tendance. Dans Minitab, sélectionnez Stat > Série chronologique > Moyenne mobile.
Lissage exponentiel simple
Pour lisser votre série à l'aide d'une méthode qui attribue des pondérations décroissantes aux observations plus anciennes lorsque votre série chronologique ne présente pas de tendance ni d'effet saisonnier, utilisez la méthode de lissage exponentiel simple. Dans Minitab, sélectionnez Stat > Série chronologique > Lissage exponentiel simple.
Lissage exponentiel double
Pour lisser votre série à l'aide d'une méthode qui attribue des pondérations décroissantes aux observations plus anciennes lorsque votre série chronologique présente une tendance, mais pas d'effet saisonnier, utilisez la méthode de lissage exponentiel double. Dans Minitab, sélectionnez Stat > Série chronologique > Lissage exponentiel double.
Méthode de Winters
Pour lisser votre série en attribuant des pondérations décroissantes aux observations plus anciennes lorsque votre série chronologique présente un effet saisonnier, avec ou sans tendance, utilisez la méthode de lissage de Winter. Dans Minitab, sélectionnez Stat > Série chronologique > Méthode de Winters.
Différences
Permet de créer une colonne de données pour les analyses et diagrammes personnalisés, et d'enregistrer les différences entre les observations au sein d'une série. Dans Minitab, sélectionnez Stat > Série chronologique > Différences.
Décalage
Permet de créer une colonne de données pour les analyses et diagrammes personnalisés, et de décaler une série vers le bas d'un nombre spécifique de lignes dans la feuille de travail. Dans Minitab, sélectionnez Stat > Série chronologique > Décalage négatif.
Autocorrélation
Pour mesurer à quel point les observations à différents moments dans le temps sont corrélées les unes avec les autres et rechercher un effet saisonnier, effectuez une analyse d'autocorrélation. Utilisez cette analyse en association avec la fonction d'autocorrélation partielle afin d'identifier les composantes pour un modèle ARIMA. Dans Minitab, sélectionnez Stat > Série chronologique > Autocorrélation.
Autocorrélation partielle
Pour mesurer à quel point des observations passées dans une série chronologique sont corrélées avec des observations futures, tout en prenant en compte les observations situées entre la paire de corrélations, effectuez une analyse de corrélation partielle. Utilisez cette analyse en association avec la fonction d'autocorrélation afin d'identifier les composantes pour un modèle ARIMA. Dans Minitab, sélectionnez Stat > Série chronologique > Autocorrélation partielle.
Intercorrélation
Pour déterminer si une série en prévoit une autre en représentant les corrélations entre les deux séries à différents moments dans le temps, effectuez une analyse d'intercorrélation. Dans Minitab, sélectionnez Stat > Série chronologique > Intercorrélation.
ARIMA
Pour ajuster un modèle avec des données autorégressives, une différence et des composantes de la moyenne mobile, effectuez une ARIMA. Pour ajuster un modèle ARIMA, vous devez comprendre la structure d'autocorrélation et d'autocorrélation partielle de votre série. Dans Minitab, sélectionnez Stat > Série chronologique > ARIMA.
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique