Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Série temporelle
Sequence d'observations d'une variable mesurée à intervalles de temps réguliers ou irréguliers, utilisée pour analyser les tendances et patterns temporels. Les séries temporelles sont fondamentales en finance, météorologie et économie pour modéliser des phénomènes évolutifs.
Stationnarité
Propriété statistique où la moyenne, la variance et l'autocorrélation d'une série temporelle restent constantes dans le temps. La stationnarité est essentielle pour appliquer de nombreux modèles statistiques et assurer la validité des prévisions.
Test de Dickey-Fuller
Test statistique vérifiant la présence de racine unitaire dans une série temporelle pour déterminer sa stationnarité. Le test de Dickey-Fuller augmenté (ADF) est couramment utilisé pour valider l'hypothèse de stationnarité avant modélisation.
Lissage exponentiel
Technique de prévision pondérant les observations passées avec des poids décroissants exponentiellement pour capturer les tendances récentes. Cette méthode est efficace pour les séries sans forte saisonnalité et calcule facilement des prévisions à court terme.
Bruit blanc
Processus stochastique où les observations sont indépendantes, identiquement distribuées avec moyenne nulle et variance constante. Le bruit blanc sert de référence pour évaluer l'adéquation des modèles et représente l'imprévisibilité pure.
Différenciation
Transformation soustrayant chaque observation de la précédente pour éliminer la tendance et atteindre la stationnarité. La différenciation est une étape préliminaire cruciale avant l'application de modèles ARIMA sur des séries non stationnaires.
Transformée de Fourier
Outil mathématique décomposant une série temporelle en fréquences élémentaires pour analyser les composantes cycliques. La FFT permet d'identifier les périodicités cachées et les harmoniques dans les données temporelles.
Volatilité
Mesure de la variation des prix ou valeurs dans une série temporelle, quantifiant l'incertitude et le risque. La volatilité est particulièrement étudiée en finance pour évaluer l'instabilité des marchés et calibrer les modèles GARCH.
Point de changement
Moment où les propriétés statistiques d'une série temporelle subissent une modification significative. La détection de points de changement permet d'identifier les ruptures structurelles et d'adapter les modèles prédictifs.
Fonction d'autocorrélation partielle
Mesure de corrélation entre une observation et ses valeurs passées en contrôlant l'effet des décalages intermédiaires. La PACF est essentielle pour déterminer l'ordre des processus autorégressifs dans la modélisation ARIMA.
Interpolation temporelle
Technique estimant les valeurs manquantes dans une série temporelle en utilisant les observations adjacentes. L'interpolation préserve la continuité temporelle et permet l'application de méthodes d'analyse nécessitant des données complètes.
Spectre de puissance
Représentation fréquentielle de la variance d'une série temporelle indiquant l'énergie à chaque fréquence. Le spectre révèle les composantes dominantes et aide à caractériser les cycles sous-jacents des données.
Résidu
Différence entre les valeurs observées et les valeurs prédites par un modèle temporel, mesurant l'erreur d'ajustement. L'analyse des résidus permet de valider le modèle et d'identifier des patterns non capturés.