Analyse de données climatiques de 1850 à 2015 - Un livre blanc XLSTAT

FACEBOOK.png

 

Introduction

L’analyse de données temporelles est une branche spécifique de l’analyse des données et de la statistique. Ce type de données est appelé « séries chronologiques ». Nous allons présenter ici différentes méthodes permettant l’analyse de ce type de données.

Les données utilisées ici sont des données mensuelles de température de l’air et des océans de 1850 à 2015. Ces données peuvent être téléchargées librement à l’adresse suivante: http://berkeleyearth.org/data/

Sommaire

  1. Introduction

  2. Visualisation de séries chronologiques

  3. Analyse descriptive de séries chronologiques

  4. Décomposition de la saisonnalité d’une série chronologique

  5. Lissage de Holt Winters

  6. Test de stationnarité

  7. Différenciation d’une série chronologique

  8. Test de stationnarité sur la série différenciée

  9. ACF et PACF sur la série différenciée pour modèle ARIMA

  10. Modèle ARIMA

  11. Conclusion


Derniers événements

Ce webinar présente de manière intuitive le Machine Learning supervisé et la prédiction. Il sera appuyé par des applications sur le logiciel XLSTAT. 5 mai 2020 14:00 - 15:00 CEST

Ce webinar présente de manière intuitive différentes facettes de l'ANOVA : conditions d'application, interactions, comparaisons multiples... Il sera appuyé par des applications sur le logiciel XLSTAT. 28 avr. 2020 14:00 - 15:00 CEST

Ce webinar présente de manière intuitive le principe de modélisation statistique, avec des applications sur le logiciel d’analyse de données XLSTAT. 23 avr. 2020 14:00 - 15:00 CEST

Derniers tweets

📣 3 new positions available @addinsoft is recruiting: - #VBA Developer - C++ Developer - #Data Engineer -… https://t.co/da4BsqvGZV

💡 @XLSTAT Tips: How can I quickly gain insight into a survey #dataset? https://t.co/sxXmbAJCTM The answer with Mul… https://t.co/uNvgRGetFV

🗓️ Analysis of Check All that Apply #CATA and Rate All that Apply (RATA) course with @Qi_Statistics Exercises with… https://t.co/CtWyTJYz5c