Les processus AR
Sauf mention contraire, on considère dans la suite des processus centrés. Si le processus n'est pas centré, on peut se ramener à ce cas de figure en centrant préalablement le processus (on travaillerait alors sur ).
Définition
On dit qu'un processus (stationnaire) est un processus processus AR (AutoRegressive) d'ordre , noté , si :
où et .\\
La modélisation de se résume à une relation linéaire le liant aux derniers instants.
Caractérisation
Si est un processus alors ses autocorrélations partielles s'annulent à partir du rang :
Réciproquement, il s'agit d'une condition nécessaire et suffisante pour qu'un processus soit un .
Les autocorrélations simples, quant à elles, décroissent rapidement vers 0 (de manière exponentielle ou sinusoïdale amortie).
Les processus MA
Définition
On dit qu'un processus est un processus MA (Moving Average) d'ordre , noté , si :
où et .
On considère ici que le processus est la résultante d'une combinaison linéaire de perturbations decorrélées (un bruit blanc et son passé).
Caractérisation
Si est un processus alors ses autocorrélations simples s'annulent à partir du rang :
Il s'agit d'une condition nécessaire et suffisante pour qu'un processus soit un .
Les processus ARMA
Définition
Soit un bruit blanc faible de variance .
On dit qu'un processus est un processus ARMA (AutoRegressive Moving Average) d'ordre , noté , si :
est stationnaire},
où , , et .
Il s'agit ici d'une "synthèse" des processus AR et MA.
Caractérisation
Les autocorrélations simples décroissent vers 0. Il n'existe pas malheureusement de caractérisation simple, on verra comment procéder en pratique plus tard.