Ce cours introduit l’étudiant aux sujets suivants : Les techniques de visualisation pour les données de séries chronologiques / concepts clés en probabilité et statistique mathématique / modèles de régression linéaire classique / transformation de variable / Spécification du modèle / inférence causale / estimation des variables / autorégressifs (AR) modèles Instrumental / moyenne de moyenne mobile / Moyenne mobile autorégressive (ARMA) / Autorégressive moyenne intégrée (ARIMA) / (GARCH) modèles / autorégression vectorielle (VAR) / prévision statistique / régression avec des données de séries chronologiques.

Temps présentiel : 20 heures

Charge de travail étudiant : 100 heures

Méthode(s) d'évaluation : Examen final, Examen partiel, Projets

Référence :
• Terry E. Dielman, Applied Regression Analysis, 4th Edition, Duxbury. • Allan D R McQuarrie, Chih-Ling Tsai, Regression and Time Series Model Selection • Forecasting, Time Series, and Regression, by Bowerman (Duxbury, 2005).