Scribd
Importer
51 vues2 pages

TP1 Ennonce

Le document présente un TP sur la manipulation de séries temporelles avec R, comprenant plusieurs exercices. Les exercices incluent l'importation et l'analyse de données de production de bière et de consommation électrique, ainsi que la simulation de séries chronologiques. Les étudiants apprennent à utiliser des classes R pour créer des séries temporelles, effectuer des analyses descriptives, et visualiser les données.

Transféré par

Septimus Pierre
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
51 vues2 pages

TP1 Ennonce

Le document présente un TP sur la manipulation de séries temporelles avec R, comprenant plusieurs exercices. Les exercices incluent l'importation et l'analyse de données de production de bière et de consommation électrique, ainsi que la simulation de séries chronologiques. Les étudiants apprennent à utiliser des classes R pour créer des séries temporelles, effectuer des analyses descriptives, et visualiser les données.

Transféré par

Septimus Pierre
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

TP1: Introduction à la manipulation de série temporelle avec R

MAP-STA2 : Séries chronologiques

Yannig Goude [[Link]@[Link]]


Guillaume Principato [[Link]@[Link]]

Exercice 1
• importer les données [Link] (production mensuelle de bière en Australie).
• à l’aide de la fonction strptime fabriquer une variable date correspondante.
• à l’aide des classes ts et zoo convertir les données en séries temporelles et les représenter graphiquement.
• effectuer une analyse descriptive de base de la série: moyenne, écart-type, boxplot, histogramme.
• calculer la moyenne de la série par mois de l’année, que concluez-vous? Etait-ce attendu?

Exercice 2
• importer les données conso_2015.csv correspondant à la consommation électrique française par demi-
heure en MW.
• sous quelle forme sont fournies les données? Est ce un format adéquate pour l’analyse d’une série
temporelle?
• construire une variable Date adaptée puis à l’aide de la classe xts convertir les données en séries
temporelles et les représenter graphiquement.
• en exploitant les fonctions .indexmon, .indexwday et .indexhour du package xts, calculer:
– la consommation moyenne par mois
– le profil horaire (conso. moyenne par heure) de la consommation française
– le profil horaire par type de jour (lundi, mardi. . . ), puis le représenter graphiquement.
• représenter les boxplots de la consommation à 20h par mois.
• calculer les auto-corrélations et auto-corrélation partielles empiriques d’ordre h = 1, 2, ..., 336. Ne pas
utiliser les fonctions acf et pacf mais proposer votre propre implémentation.

Exercice 3
Simuler une série chronologique X au pas mensuel de mars 1986 à avril 2002, telle que:

Xt = Tt + St + εt

t étant donc le temps en mois et:


• Tt la tendance logarithmique: Tt = log(t/10 + 1)
• St la saisonnalité de période 1 an: St = cos(2tπ/12)
• ε un bruit blan Gaussien de variance 1
Utiliser la classe xts et les fonctions de date de R pour construire Xt . Représenter graphiquement la série et
la superposer à sa tendance et sa période.
Sélectionner et superposer sur un même graphique les années 1987, 1990 et 1993.

1
Effectuer le même exercice en supposant que Xt suit un modèle multiplicatif Xt = Tt St εt

Exercice 4
Importer les données [Link] (le format .RDS est un format de compression de données sous R, utiliser
readRDS pour importer les données) de production photovoltaïque.
• quel est le pas de temps des observations?
• calculer et représenter la production (variable Z1) moyenne par heure, par mois, puis par mois et par
heure.
• à partir de la variable Ssrd (rayonnement solaire) construire une variable valant Ssrd à 12h et sa
différenciation d’ordre 1 autrement.
• à l’aide du package dygraphs, représenter la variable ainsi obtenu et la variable Z1.

Vous aimerez peut-être aussi