dc.description.abstract |
Plusieurs problèmes dans de nombreux domaines scientifiques sont résolus à l'aide des
modèles de séries chronologiques a valeurs entières avec quelques applications et simulations,
car lorsqu'une s erie ne prend qu'un nombre limité de valeurs enti eres, elle ne peut
^etre approchée correctement par un modèle de s eries chronologiques classique a valeurs
réelles.
Notre objectif dans ce travail est de faire une synthèse bibliographique sur les modèles
de s erie chronologique a valeurs entières existants et les classifer selon le classement de (Cox
et al, 1981) en deux catégories principales qui jouent un r^ole majeur dans la modéliisation
des données issues d'un phénomène de comptage.
Nous avons donné dans un premier temps, pour chacune de ces deux catégories de
modèles de séries
ries temporelles entières, la structure de probabilité de certains modèles cités
dans la littérature, puis au second temps nous avons mis l'accent sur quelques approches
d'estimation considérées dans la littérature pour ces modèles.
Pour exhiber la bonne performance des modèles de séries chronologiques a valeurs
entières nous avons présenté une étude récente de (Kim, 2020) qui révèle les avantages de
l'utilisation de ces modèles dans la prévision et l'analyse du trafic réseau, qui est devenue
de plus en plus importante a l'heure actuelle et à l'avenir pour la surveillance du trafic
r eseau.
Several problems in many scientific ilds are solved using integer value time series
models with some applications and simulations. Because when a series takes only a limited
number of integer values, it cannot be approximated correctly by a classical real valued
time series model.
Our objective in this work then is to make a bibliographical synthesis on the existing
integer time series models and to classify them according to the classi
cation of (Cox et
al, 1981) in two main categories which play a major role in the modeling of data resulting
from a counting phenomenon.
We haveifrst given, for each of these two categories of integer time series models, the
probability structure of some models cited in the literature, and then we have focused on
some estimation approaches considered in the literature for these models.
To demonstrate the good performance of integer-valued time-series models, we
presented a recent study conducted by (Kim, 2020) that reveals the advantages of using
these models in network trafic prediction and analysis, which are becoming increasingly
important nowadays and in the future on network trafic monitoring |
en_US |