Analyse des séries temporelles

But: Cette formation vise à renforcer les connaissances et les compétences des participants concernant l’utilisation de l’analyse de séries temporelles dans le cadre de la surveillance des maladies transmissibles.

Objectifs

À la fin de la formation, les participants seront capables de :
•    Comprendre les définitions, les caractéristiques et les objectifs de la modélisation de séries temporelles
•    Comprendre l’analyse descriptive de séries temporelles, partition, agrégation, lissage et techniques de régression
•    Comprendre et effectuer une régression périodique et une modélisation ARIMA en utilisant des séries temporelles stationnaires
•    Comprendre et utiliser la transformation de Fourier
•    Utiliser la modélisation ARIMA (Box & Jenkins), comprendre et utiliser les fonctions d’auto-corrélation et les fonctions d’auto-corrélation partielle pour étudier dans quelle mesure une observation à un moment donné est liée aux observations à des moments précédents

Contenu

Introduction aux séries temporelles
Définitions, caractéristiques et objectifs de la modélisation de séries temporelles
Analyse descriptive de séries temporelles, partition, agrégation, lissage et techniques de régression
Exercice : analyse descriptive de séries temporelles à l’aide de STATA

Stationnarité des séries temporelles

Régression périodique et modélisation ARIMA à l’aide de séries temporelles stationnaires Ce module couvre les techniques utilisées pour transformer une série brute en une série avec une variance et une moyenne constantes.

Régressions périodiques
Approche fondée sur la transformation de Fourrier qui décompose une série temporelle en composantes périodiques. Après la décomposition, les contributions cycliques importantes sont extraites et utilisées pour définir le modèle. Un intervalle de confiance est ensuite appliqué au modèle. Ce module couvre les aspects fondamentaux de la transformation de Fourier à travers une présentation et un exercice sur ordinateur pour vérifier les propriétés des courbes sinusoïdales.
À partir d’une étude de cas informatisée, conception d’un seuil épidémique pour les notifications d’une maladie spécifique. Cette étude de cas utilise STATA qui dispose de toutes les fonctions nécessaires pour couvrir ce sujet.

Modélisation ARIMA (Box & Jenkins)

L’approche est fondée sur des fonctions d’auto-corrélation et d’auto-corrélation partielle utilisées pour étudier dans quelle mesure une observation à un moment donné est liée aux observations de moments précédents. Après avoir atteint la stationarisation de la série, les participants génèrent et étudient ces fonctions d’auto-corrélation, sélectionnent le modèle approprié, le valident et génèrent une prévision et son intervalle de confiance.
Ce module couvre les éléments fondamentaux de la modélisation ARIMA à travers une présentation, une démonstration sur un ordinateur et une étude de cas informatisée.

Méthodes et matériels

Les méthodes de formation incluent :
•    De courtes présentations en séances plénières. Elles représentent 20 % de la durée de la formation. Chaque présentation dure 30 minutes. Le matériel utilisé pour les présentations (PowerPoint®) a été développé pour EPIET et EpiConcept par le facilitateur proposé par EpiConcept.
•    Des travaux pratiques sur des outils logiciels tels que STATA (http://www.stata.com/).
•    Des activités informatiques interactives avec études de cas pratiques (80% du temps). Les bases de données et les études de cas sont fondées sur des études réelles. Au cours de cette activité, les facilitateurs fourniront un contexte aux exercices, expliqueront les concepts nécessaires et répondront aux questions des participants.
•    Le matériel de formation peut être adapté aux participants.
•    La session sera évaluée par les participants à l’aide d’un formulaire d’évaluation quotidienne et lors d’une séance plénière finale au cours de laquelle les participants présenteront leurs points de vue.

EpiConcept dispose d’une licence d’enseignement de StataCorp, société créatrice de l’application STATA.
Des CD STATA seront fournis aux participants pour la durée de la formation.

Prérequis

Les participants doivent avoir suivi la formation précédente sur STATA proposée par EpiConcept ou maîtriser STATA.

Facilitateurs et informations pratiques

La formation sera dispensée en priorité en anglais.

Programme de la Formation

JOUR 1 :

Durée Séance Objectifs d’apprentissage Description des activités
0,5 heure Introduction à la formation
  • Comprendre les objectifs et les méthodes de l’atelier
  • Présentation : Introduction au module et étude de cas

3 heures Module 1 : Analyse des séries temporelles À la fin du module, les participants seront capables de :
  • Comprendre les composantes d’une série temporelle
  • Présentations sur l’analyse des séries temporelles et exercices à l’aide de STATA
  • Introduction aux séries temporelles.
  • Définitions, caractéristiques et objectifs de la modélisation de séries temporelles
  • Analyse descriptive de séries temporelles, partition agrégation, lissage et techniques de régression
  • Exercice : analyse descriptive de séries temporelles à l’aide de STATA
Déjeuner
3 heures Module 2 : À la fin du module, les participants seront capables de comprendre :
  • La stationnarité des séries temporelles  
  • Présentation et exercices informatisés
  • Stationnarité des séries temporelles
  • Régression périodique et modélisation ARIMA à l’aide de séries temporelles stationnaires Ce module couvre les techniques utilisées pour transformer une série brute en une série avec une variance et une moyenne constantes.
  • Exercices pratiques en utilisant STATA

 

JOUR 2 :

Durée Séance Objectifs d’apprentissage Description des activités
6 heures Module 3 :
À la fin du module, les participants seront capables de comprendre :
  • La transformée de Fourrier
  • Présentations et exercices informatisés
  • Régressions périodiques.
  • Approche fondée sur la transformation de Fourier qui décompose une série temporelle en composantes périodiques. Après la décomposition, les contributions cycliques importantes sont extraites et utilisées pour définir le modèle. Un intervalle de confiance est ensuite appliqué au modèle. Ce module couvre les fondamentaux de la transformation de Fourier à travers une présentation et un exercice sur ordinateur pour vérifier les propriétés des courbes sinusoïdales.
  • À partir d’une étude de cas informatisée, conception d’un seuil épidémique pour les notifications d’une maladie spécifique. Cette étude de cas utilise STATA qui dispose de toutes les fonctions nécessaires pour couvrir ce sujet.

 

JOUR 3

Durée Séance Objectifs d’apprentissage Description des activités
6 heures Module 5 À la fin du module, les participants seront capables de comprendre :
  • Modélisation ARIMA
  • Modélisation ARIMA (Box & Jenkins)
  • L’approche est fonée sur des fonctions d’auto-corrélation et d’auto-corrélation partielle utilisées pour étudier dans quelle mesure une observation à un moment donné est liée aux observations à des moments précédents. Après avoir atteint la stationarisation de la série, les participants génèrent et étudient ces fonctions d’auto-corrélation, sélectionnent le modèle approprié, le valident et génèrent une prévision et son intervalle de confiance.
    Ce module couvre les éléments fondamentaux de la modélisation ARIMA à travers un cours magistral, une démonstration sur un ordinateur et une étude de cas informatisée.
  • Présentation :
  • Exercice
Pause
1 heure
Évaluation de la formation
Évaluation de la formation et clôture