Présentation graphique et corrélogramme

...

On commence par M3

- Tester le module 3 : Dicvsst = (ᴓ-4)icvs + (ᴓ-3)icvs + (ᴓ-2)icvs +(ᴓ-1)icvs + bt + c + ɛt

H0 : b=0 = >> absence de la tendance >5% on accepte

H1 : b≠0 = >> existence de la tendance

[pic 6]

On a la probabilité de trend est inférieure à 5% (=0,0000.

Alors le modèle accepte une tendance. La tendance donc est significative

- Tester le module 2 : Dicvsst = (ᴓ-1)icvs + c + ɛt[pic 7]

H0 : C=0 = >> absence de la constante >5% on accepte

H1 : C≠0 = >> existence de la constante

[pic 8]

On a la probabilité de la Constante est inférieure à 5% (=0, 3567 , donc on Accepte H0.

Alors la constante est donc significative

- Tester le module 1 : Dicvsst = (ᴓ-1)icvs + ɛt[pic 9]

H0 : ᴓ =1 = >> Non stationnaire

H1 : ᴓ ≠1 = >> stationnaire

[pic 10]

La série admit une racine unitaire, car on accepte H0

Elimination de la Tendance

[pic 11]

Etape 5 : Représentation graphique et corrélogramme de variable de stationnaire

La série contient des pics mais elle ne contient pas la tendance.

- Graphe_ICVSST

[pic 12]

Ma serie est presque stationnaire

- Corrélogramme_ICVSST

[pic 13]

On remarque que la série converge un peu rapidement vers Zéro

Le modèle de son ensemble est acceptable donc

Etape 6 : ARMA

M1 montre l’existence d’une racine unitaire, la série donc n’admit pas une racine unitaire

Remarque :

Je mis

- Modèle MA :

Ls icvsst c ma(1)

[pic 14]

Test l jung Box

H0 : Qstat

H1 : Qstat > chi-deux (K-p-q) : résidu est bruit blanc : existence d’autocorrélation

On a

K= 384 (384/4) = 96

P= 3 (96-3-1) = 92

q=1

Donc chi-deux (92) = 113,1453

Qstat = 1984,2 > 113,1453 => résidu est bruit blanc : existence d’autocorrélation

- Modele AR :

Ls icvsst c ar(1)

[pic 15]

[pic 16]

La validation d’AR (1) est confirmée par le graphe et la table

[pic 17]

...