Andere Kunden interessierten sich auch für
![Estimation de l'indice de queue lourde sous censure aléatoire]( "Estimation de l'indice de queue lourde sous censure aléatoire")
Estimation de l'indice de queue lourde sous censure aléatoire44,99 €![Etude et comparaison d'estimateurs de l'indice des valeurs extrêmes]( "Etude et comparaison d'estimateurs de l'indice des valeurs extrêmes")
Etude et comparaison d'estimateurs de l'indice des valeurs extrêmes32,99 €![Ingénierie de la fiabilité des systèmes pour une application industrielle]( "Ingénierie de la fiabilité des systèmes pour une application industrielle")
Ingénierie de la fiabilité des systèmes pour une application industrielle18,99 €![Analyse stochastique de la production de maïs dans le district de Betul, dans l'État du Minnesota]( "Analyse stochastique de la production de maïs dans le district de Betul, dans l'État du Minnesota")
Analyse stochastique de la production de maïs dans le district de Betul, dans l'État du Minnesota29,99 €![Analyse de la fracture numérique au Burundi]( "Analyse de la fracture numérique au Burundi")
Analyse de la fracture numérique au Burundi36,99 €![Tarification et Analyse de la Carte Médicale]( "Tarification et Analyse de la Carte Médicale")
Tarification et Analyse de la Carte Médicale25,99 €![Analyse statistique et modélisation de la sinistralité automobile]( "Analyse statistique et modélisation de la sinistralité automobile")
Analyse statistique et modélisation de la sinistralité automobile26,99 €
Ce travail explore la dynamique de la fluctuation de l'indice de la production industrielle (IPI) au Cameroun à l'aide de données trimestrielles pour la période du 1er trimestre 1999 au 4ème trimestre 2013. Nous utilisons trois approches pour modéliser sa fluctuation. Afin de comparer la qualité de prévisions de chaque approche, on évaluait à chaque fois les critères MAPE et RMSE avec des prévisions de l'IPI pour les années 2012-2013, à partir des observations de 1999-2011. Après un bref rappel sur la notion d'indice synthétique en économétrie, on utilise l'analyse spectrale pour analyser la fluctuation à court terme et Boy-Ballot pour estimer la tendance de nos données. Les résidus qui en découlent sont modélisés pour faire des prévisions. La deuxième approche effectue une modélisation ARMA par la méthode de Box-Jenkins. La troisième elle, effectue des prévisions non paramétriques par prédicteur du noyau à partir d'un processus stationnaire et ergodique. Après avoir effectué les prévisions pour la période de 2014 à 2015, on termine en présentant comme meilleure, la méthode qui minimise les critères MAPE et RMSE.