Show item record

dc.contributor.advisorDuchesne, Pierre
dc.contributor.authorSaint-Frard, Robinson
dc.date.accessioned2011-09-16T18:09:13Z
dc.date.availableNO_RESTRICTIONen
dc.date.available2011-09-16T18:09:13Z
dc.date.issued2011-07-07
dc.date.submitted2011-06
dc.identifier.urihttp://hdl.handle.net/1866/5331
dc.subjectSéries chronologiques multivariéesen
dc.subjectstatistiques portemanteauxen
dc.subjectautocovariances résiduelles matriciellesen
dc.subjectparamétrisation structuréeen
dc.subjectMultivariate time seriesen
dc.subjectPortmanteau test statisticen
dc.subjectResidual autocovariance matricesen
dc.subjectStructured parameterizationen
dc.subject.otherMathematics / Mathématiques (UMI : 0405)en
dc.titleSur la validation des modèles de séries chronologiques spatio-temporelles multivariéesen
dc.typeThèse ou mémoire / Thesis or Dissertation
etd.degree.disciplineStatistiqueen
etd.degree.grantorUniversité de Montréalfr
etd.degree.levelMaîtrise / Master'sen
etd.degree.nameM. Sc.en
dcterms.abstractLe présent mémoire porte sur les séries chronologiques qui en plus d’être observées dans le temps, présentent également une composante spatiale. Plus particulièrement, nous étudions une certaine classe de modèles, les modèles autorégressifs spatio-temporels généralisés, ou GSTAR. Dans un premier temps, des liens sont effectués avec les modèles vectoriels autorégressifs (VAR). Nous obtenons explicitement la distribution asymptotique des autocovariances résiduelles pour les modèles GSTAR en supposant que le terme d’erreur est un bruit blanc gaussien, ce qui représente une première contribution originale. De ce résultat, des tests de type portemanteau sont proposés, dont les distributions asymptotiques sont étudiées. Afin d’illustrer la performance des statistiques de test, une étude de simulations est entreprise où des modèles GSTAR sont simulés et correctement ajustés. La méthodologie est illustrée avec des données réelles. Il est question de la production mensuelle de thé en Java occidental pour 24 villes, pour la période janvier 1992 à décembre 1999.en
dcterms.abstractIn this master thesis, time series models are studied, which have also a spatial component, in addition to the usual time index. More particularly, we study a certain class of models, the Generalized Space-Time AutoRegressive (GSTAR) time series models. First, links are considered between Vector AutoRegressive models(VAR) and GSTAR models. We obtain explicitly the asymptotic distribution of the residual autocovariances for the GSTAR models, assuming that the error term is a Gaussian white noise, which is a first original contribution. From that result, test statistics of the portmanteau type are proposed, and their asymptotic distributions are studied. In order to illustrate the behaviour of the test statistics, a simulation study is conducted where GSTAR models are simulated and correctly fitted. The methodology is illustrated with monthly real data concerning the production of tea in west Java for 24 cities from the period January 1992 to December 1999.en
dcterms.descriptionDans ce mémoire, nous avons utilisé le logiciel R pour la programmation.en
dcterms.languagefraen


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show item record

This document disseminated on Papyrus is the exclusive property of the copyright holders and is protected by the Copyright Act (R.S.C. 1985, c. C-42). It may be used for fair dealing and non-commercial purposes, for private study or research, criticism and review as provided by law. For any other use, written authorization from the copyright holders is required.