Niveau : Avancé
Fonction du poste : Analyste / Scientifique / Ingénieur
Jian Cao, ingénieur système principal, division JMP, SAS
Finaliste du meilleur article invité
Comment modéliser et prévoir les séries chronologiques lorsqu'elles sont interrompues par des interventions (par exemple, des changements de processus) ? Si vous disposez d'indicateurs avancés ou d'autres variables exogènes, comment pouvez-vous les intégrer à vos modèles ARIMA pour optimiser vos prévisions ?
Dans cet article, je tenterai de démystifier les modèles de fonctions de transfert dans JMP à l'aide de cas d'utilisation clés : régression avec erreurs ARIMA, modèles de retard distribué et modèles d'intervention. Je démontrerai les avantages de l'utilisation des fonctions de transfert par rapport à la régression des moindres carrés ordinaires et à ARIMA pour élaborer de meilleurs modèles de prévision.
