Concept
Autocovariance
Séances de cours associées (39)
Estimation spectrale: Parodogramme et parapente
Explore les représentations spectrales, l'estimation de l'ACVS et l'estimation spectrale dans l'analyse des séries chronologiques.
Séries chronologiques: Représentation et modélisation
Couvre les propriétés stochastiques des séries temporelles, de la stationnarité, de l'autocovariance, des processus stochastiques spéciaux, de la densité spectrale, des filtres numériques, des techniques d'estimation, du contrôle des modèles, de la prévision et des modèles avancés.
Modèles de séries chronologiques : Processus autorégressifs
Explore les modèles de séries chronologiques, en mettant l'accent sur les processus autorégressifs, y compris le bruit blanc, AR(1) et MA(1), entre autres.
Processus de Wiener: définition et propriétés
Explique la définition et les propriétés du processus de Wiener, en se concentrant sur sa fonction de covariance et ses chemins continus.
Séries chronologiques: Fondements et modèles
Couvre les principes fondamentaux de l'analyse des séries chronologiques, y compris les modèles, la stationnarité et les aspects pratiques.
Analyse spectrale : spectre intégré et autocovariance
Explore l'analyse spectrale, le spectre intégré, l'autocovariance, l'estimation et la convergence dans les modèles de séries chronologiques.
Analyse spectrale: Séries chronologiques
Explore l'analyse spectrale en séries chronologiques, en se concentrant sur les fonctions de densité spectrale et les spectres intégrés.
Séries chronologiques: Modélisation structurelle et filtre Kalman
Couvre la modélisation structurale, le filtre Kalman, la stationnarité, les méthodes d'estimation, la prévision et les modèles ARCH dans les séries chronologiques.
Estimation de la fréquence des signaux aléatoires bruyants
Explore des expériences numériques pour l'estimation de fréquence des signaux aléatoires, y compris le bruit de tir, le mouvement brownien et les signaux harmoniques dans le bruit.
Vecteur Autorégression: Modélisation Vector-Valued Time Series
Explore Vector Autoregression pour la modélisation de séries temporelles à valeur vectorielle, couvrant la stabilité, les polynômes caractéristiques inverses, les équations Yule-Walker et les autocorrelations.