Analyse robuste de séries chronologiques
L'analyse robuste de séries chronologiques ajuste des modèles autorégressifs, à moyenne mobile et ARIMA à des séries contenant des valeurs aberrantes ou des ruptures structurelles, en utilisant la M-estimation ou la MM-estimation au lieu des moindres carrés ordinaires, de sorte que quelques observations anormales ne faussent pas l'ajustement. Elle s'inscrit dans la tradition des statistiques robustes consolidée dans Maronna, Martin, Yohai et Salibián-Barrera (2019).
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Maronna, R. A., Martin, R. D., Yohai, V. J., & Salibián-Barrera, M. (2019). Robust Statistics: Theory and Methods (with R) (2nd ed.). Wiley. ISBN: 978-1119214687
- Peña, D., & Guttman, I. (1988). A Bayesian Approach for Predicting with Outliers. Journal of the American Statistical Association. link ↗
Comment citer cette page
ScholarGate. (2026, June 1). Robust Time Series Analysis (M- and MM-estimation based AR / MA / ARIMA). ScholarGate. https://scholargate.app/fr/statistics/robust-time-series
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Analyse du point de ruptureStatistique↔ compare
- Estimation par écart absolu médian (MAD)Statistique↔ compare
- Régression par Moindres Carrés Ordinaires (MCO)Économétrie↔ compare
- Modèle linéaire mixte robusteStatistique↔ compare
- Estimateurs robustes de l'échelle Sn et QnStatistique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →