Глоссарий ИИ
Полный словарь искусственного интеллекта
Critères d'Information (AIC/BIC)
Métriques statistiques (Akaike Information Criterion et Bayesian Information Criterion) utilisées pour comparer et sélectionner les meilleurs modèles ARIMA en pénalisant la complexité du modèle pour éviter le surapprentissage.
Backshift (Opérateur de retard)
Opérateur mathématique noté B qui décale une série temporelle d'une période en arrière (B^k * Y_t = Y_{t-k}), fondamental pour la notation compacte des modèles ARIMA et SARIMA.
Prévision (Forecasting)
Application d'un modèle ARIMA/SARIMA ajusté pour générer des valeurs futures de la série temporelle, accompagnée d'intervalles de prévision quantifiant l'incertitude associée.
Diagnostic des Résidus
Analyse des erreurs de prévision (résidus) d'un modèle ARIMA pour vérifier l'hypothèse de bruit blanc, utilisant des tests comme Ljung-Box et des graphiques ACF/PACF des résidus.
Modèle ARMAX
Extension du modèle ARIMA qui incorpore des variables exogènes (eXogenous) en plus des composantes autorégressives et de moyenne mobile, notée ARMAX, pour améliorer la précision des prévisions.
Décomposition Box-Jenkins
Méthodologie systématique pour la modélisation ARIMA, comprenant l'identification (via ACF/PACF), l'estimation, la validation (diagnostic des résidus) et la prévision, popularisée par Box et Jenkins.
SARIMAX
Modèle SARIMA étendu avec des variables exogènes (eXogenous), combinant les composantes saisonnières et non saisonnières avec des prédicteurs externes pour une modélisation plus complète des séries temporelles.
Test de Ljung-Box
Test statistique utilisé dans le diagnostic des modèles ARIMA pour vérifier si les résidus présentent une autocorrélation significative, une hypothèse nulle de non-autocorrélation indiquant un modèle adéquat.