Glossario IA
Il dizionario completo dell'Intelligenza Artificiale
ARIMA
Modèle statistique combinant autorégression, différenciation pour atteindre la stationnarité, et moyenne mobile pour modéliser et prévoir des séries temporelles non stationnaires.
ARMA
Modèle paramétrique pour séries temporelles stationnaires combinant composantes autorégressives et moyennes mobiles pour capturer la dépendance temporelle.
Autorégression (AR)
Modèle où la valeur actuelle dépend linéairement des valeurs passées de la série, capturant la persistance et les patterns temporels.
Moyenne Mobile (MA)
Composante modélisant les erreurs de prévision passées comme processus de bruit blanc, capturant les chocs aléatoires et leur persistance.
ACF (Autocorrelation Function)
Fonction mesurant la corrélation entre une série temporelle et ses versions décalées, essentielle pour identifier l'ordre MA.
PACF (Partial Autocorrelation Function)
Fonction mesurant la corrélation entre observations en contrôlant l'effet des décalages intermédiaires, cruciale pour déterminer l'ordre AR.
Critères d'Information (AIC/BIC)
Métriques statistiques équilibrant adéquation du modèle et complexité pour sélectionner les ordres optimaux p, d, q en pénalisant la surparamétrisation.
Paramètres p, d, q
Ordres respectifs des composantes autorégressive (p), de différenciation (d) et moyenne mobile (q) définissant la structure du modèle ARIMA.
SARIMA
Extension d'ARIMA intégrant des composantes saisonnières pour modéliser des séries avec patterns périodiques récurrents.
Box-Jenkins
Méthodologie systématique d'identification, estimation, validation et diagnostic pour construire des modèles ARIMA optimaux.
Racine Unitaire
Condition caractérisant la non-stationnarité d'une série temporelle, détectée par tests comme Dickey-Fuller pour déterminer l'ordre de différenciation.
Lags (Retards)
Observations passées utilisées comme variables explicatives dans la composante autorégressive, définissant la mémoire du processus.
Backtesting
Validation ex-post des prédictions du modèle sur données historiques pour évaluer sa performance prédictive et sa robustesse.
Intervalles de Prévision
Bornes statistiques encadrant les prévisions futures, quantifiant l'incertitude et le risque associés aux estimations du modèle.