Analyse des séries temporelles avec R
- Mettre en œuvre les méthodes de base de l’analyse des séries temporelles avec le logiciel R
- Apprendre à manipuler les séries temporelles avec le logiciel R
- Effectuer des modèles de prévision simples
- Mettre en œuvre les méthodes de base de l’analyse des séries temporelles avec le logiciel R
- Apprendre à manipuler les séries temporelles avec le logiciel R
- Effectuer des modèles de prévision simples
Connaissances de base en R
Connaissances de base en R
Toute personne souhaitant connaitre les bases pour le traitement des séries temporelles et leur prévision avec le logiciel R : chargés d’études, data analysts…
Toute personne souhaitant connaitre les bases pour le traitement des séries temporelles et leur prévision avec le logiciel R : chargés d’études, data analysts…
La formation propose d’approfondir la connaissance du logiciel R pour mettre en application les méthodes d’analyse des séries temporelles. Les stagiaires seront amenés à mettre en œuvre ces méthodes au moyen de nombreux exercices pratiques.
Rappel sur l’environnement de travail de R
Les structures de séries temporelles dans R : les objets ts et tsibble
Lecture et différentes représentations graphiques d’une série temporelle
Transformation des données et stabilisation de la variance
Décomposition d’une série temporelle
Évaluer les qualités de prévision d’un modèle et modèles de prévision simples
Prévision avec les méthodes de lissage exponentiel et les modèles ARIMA
La formation propose d’approfondir la connaissance du logiciel R pour mettre en application les méthodes d’analyse des séries temporelles. Les stagiaires seront amenés à mettre en œuvre ces méthodes au moyen de nombreux exercices pratiques.
Rappel sur l’environnement de travail de R
Les structures de séries temporelles dans R : les objets ts et tsibble
Lecture et différentes représentations graphiques d’une série temporelle
Transformation des données et stabilisation de la variance
Décomposition d’une série temporelle
Évaluer les qualités de prévision d’un modèle et modèles de prévision simples
Prévision avec les méthodes de lissage exponentiel et les modèles ARIMA
Teaser : principaux packages R utilisés lors de la formation
Il existe plusieurs packages R populaires pour l’analyse des séries temporelles. Voici les principaux étudiés et utilisés lors de la formation.
stats: Ce package est inclus dans l’installation de base de R et fournit des fonctions de base pour créer, manipuler et analyser des séries temporelles.tsibble: Ce package offre une alternative au packagestatspour créer les séries temporelles en utilisant la syntaxe dutidyverse.feasts: Ce package permet de manipuler les séries temporelles au formattsibble(transformations, décomposition, tests unitaires, etc.).forecast: Ce package offre des outils avancés pour la modélisation et la prévision des séries temporelles. Il propose différentes méthodes de modélisation, y compris les modèles ARIMA, les modèles de régression, les modèles de lissage exponentiel, etc. Il fournit également des fonctions pour évaluer la précision des prévisions. Pour ce package, les séries temporelles doivent être créées à partir du packagestats.fable: Ce package offre des fonctionnalités similaires au packageforecastmais sur des séries temporelles au formattsibble.dygraphs: Ce package permet de créer des graphiques interactifs à partir de séries temporelles.
Teaser : principaux packages R utilisés lors de la formation
Il existe plusieurs packages R populaires pour l’analyse des séries temporelles. Voici les principaux étudiés et utilisés lors de la formation.
stats: Ce package est inclus dans l’installation de base de R et fournit des fonctions de base pour créer, manipuler et analyser des séries temporelles.tsibble: Ce package offre une alternative au packagestatspour créer les séries temporelles en utilisant la syntaxe dutidyverse.feasts: Ce package permet de manipuler les séries temporelles au formattsibble(transformations, décomposition, tests unitaires, etc.).forecast: Ce package offre des outils avancés pour la modélisation et la prévision des séries temporelles. Il propose différentes méthodes de modélisation, y compris les modèles ARIMA, les modèles de régression, les modèles de lissage exponentiel, etc. Il fournit également des fonctions pour évaluer la précision des prévisions. Pour ce package, les séries temporelles doivent être créées à partir du packagestats.fable: Ce package offre des fonctionnalités similaires au packageforecastmais sur des séries temporelles au formattsibble.dygraphs: Ce package permet de créer des graphiques interactifs à partir de séries temporelles.
