Bonjour,

Le public du Lexpage n'est pas vraiment composé de statisticiens, mais je tente tout de même vu le public geek Est-ce que par hasard, parmi vous, il y en a qui ont déjà travaillé avec des séries temporelles (mesurant l'évolution d'un phénomène quantifiable) en vue d'étudier la corrélation de ces phénomènes (sachant qu'ils n'ont pas la même phase) ?

Les approches habituelles d'analyses temporelles ne m'aident pas vraiment (le phénomène n'est pas saisonnier, les valeurs ne sont pas comparables dans l'absolu, les décalages en phase ne sont pas constants, etc.) et par conséquent, je n'obtiens pas grand chose comme vue de mes données...

Ouais, des séries temporelles ! Juste séries, ou films aussi, parce que back to the future se pose un peu là, quand même, et globalement c'est compliqué de se renouveller avec des histoires temporelles ! Dr Who bien sûr, y'a eu Code Quantum, et ...

Hein ? hors sujet ? Tu devrais savoir qu'on ne lit que le titre, et encore !

Code Quantum… Je viens de prendre un coup de vieux là d’un coup comme ça.

Ho Bravo

Je t'aurai bien aidé Guyguy, mais je suis pas une flèche...

codeascraft.com/2013/06/… Peut être des idées ou du code qui peut t'intéresser

Pas tout à fait mais merci quand même

Bon, allez, pour la postérité, je le mets ici tout de même

J'ai mis en place une nouvelle technique d'analyse de séries temporelles, à grande échelle. Il faut encore la valider du point de vue statistique, mais dans les grandes lignes, l'idée est de regrouper une approche par lag (typiquement utilisée pour les auto-corrélations) avec des alignements multiples. En gros, l'idée est d'analyser la co-variance des dérivés premières par paire de séries temporelles (plus fin, mais nécessite une correction de Bonferonni pour être statistiquement représentatif : un test de Spearman ou, si les données suivent une loi normale, de Pearson). Le lag s'introduit progressivement dans la seconde série (par symétrie : dans la première) sous l'hypothèse que les deux séries sont échantillonnées de la même façon (cela se ré-échantillonne dans le cas contraire).

On obtient donc un ensemble de valeur de covariance pour différentes valeurs de lag. On peut alors facilement représenter, pour chaque valeur de lag, la distribution des covariances et en déduire la corrélation, avec ou sans lag, entre les séries temporelles.

Y en a qui sont arrivés jusqu'à la fin de ce message ?

Pour donner une idée, cela permet d'avoir facilement ce genre de visualisation qui permet notamment, dans mon cas, de voir que les corrélations sont les plus marquées sans décalage (ce qui va faciliter la suite des analyses) et que le cas 2e ligne / 1ere colonne a une corrélation inverse fortement marquée (ce qui nous intéresse davantage que la corrélation positive que l'on retrouve pratiquement partout ailleurs, sauf la 2e et la 6e case où c'est un peu différent).

Ça a l'air bien