Analyse des séries temporelles avec R

 
  2 jours       1080       Avancé    
Objectifs de la formation
  • 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

Prérequis

Connaissances de base en R


Public visé

Toute personne souhaitant connaitre les bases pour le traitement des séries temporelles et leur prévision avec le logiciel R : chargés d’études, data analysts…


Programme détaillé

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 package stats pour créer les séries temporelles en utilisant la syntaxe du tidyverse.

  • feasts : Ce package permet de manipuler les séries temporelles au format tsibble(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 package stats.

  • fable : Ce package offre des fonctionnalités similaires au package forecast mais sur des séries temporelles au format tsibble.

  • dygraphs : Ce package permet de créer des graphiques interactifs à partir de séries temporelles.