Prévision avec le meilleur modèle ARIMA - Généralités

Les modèles de moyenne mobile intégrée autorégressive (ARIMA) de Box-Jenkin sont des outils puissants pour s’adapter aux ensembles de données de séries chronologiques et prévoir les valeurs futures. Malgré cela, l’identification d’ordres autorégressifs et de moyennes mobiles adéquats dans un modèle ARIMA est difficile et prend beaucoup de temps.

Permet d’accélérer Prévision avec le meilleur modèle ARIMA considérablement le processus d’identification du modèle en sélectionnant automatiquement le meilleur modèle parmi un ensemble de candidats avec l’un des trois critères de sélection de modèle couramment utilisés : Critère d’information Akaike (AIC), Critère d’information Akaike corrigé (AICc) et Critère d’information bayésien (BIC).

Par exemple, pour planifier efficacement les ressources, les administrateurs d’un hôpital veulent utiliser un modèle ARIMA pour prévoir le nombre de visites ambulatoires par jour. Bien que les administrateurs voient des modèles dans les séries chronologiques qui suggèrent certains ordres de termes pour un modèle ARIMA, ils souhaitent comparer rapidement un grand nombre de modèles ARIMA saisonniers et non saisonniers pour trouver un modèle qui correspond bien aux données. Les administrateurs ont l’habitude Prévision avec le meilleur modèle ARIMA d’évaluer rapidement un grand nombre de modèles.