From a4633ee8a41e9060356ddaf46b3c590689d85a04 Mon Sep 17 00:00:00 2001 From: Arthur DANJOU Date: Fri, 13 Feb 2026 16:44:59 +0100 Subject: [PATCH] Extend observation in TD2.Rmd: explain decompos() components and note fixed-seasonality assumption and sensitivity to outliers. --- M2/Time Series/TD2.Rmd | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/M2/Time Series/TD2.Rmd b/M2/Time Series/TD2.Rmd index be8c2cd..201931d 100644 --- a/M2/Time Series/TD2.Rmd +++ b/M2/Time Series/TD2.Rmd @@ -63,7 +63,7 @@ airpassengers_mult <- decompose(AirPassengers, type = "multiplicative") plot(airpassengers_mult) ``` -Observation : Le modèle multiplicatif est ici plus pertinent car les résidus (le "random") du modèle additif montrent encore une structure liée à l'amplitude de la série, alors qu'ils sont plus stables (homoscédastiques) dans le modèle multiplicatif. +Observation : Le modèle multiplicatif est ici plus pertinent car les résidus (le "random") du modèle additif montrent encore une structure liée à l'amplitude de la série, alors qu'ils sont plus stables (homoscédastiques) dans le modèle multiplicatif. La fonction `decompos()` permet de séparer la série en trois composantes : tendance, saisonnalité et résidus. Cependant, elle suppose que la saisonnalité est fixe dans le temps, ce qui peut ne pas être le cas pour toutes les séries temporelles. De plus, elle est sensible aux valeurs aberrantes, ce qui peut affecter la qualité de la décomposition. ## 5. STL