Des graphiques temporels

Bonjour,

Je dispose d'un fichier CSV décrivant le nombre de morts en France par mois, de janvier 1946 à nos jours, sous ce format : https://zupimages.net/up/19/13/sfsd.jpg

Je souhaiterais pouvoir faire ce genre de graphique : https://zupimages.net/up/19/13/qbnp.jpg si possible, en n'utilisant aucun package, juste les fonction de base de R. J'ai du mal, car la colonne X comporte des dates ... je ne sais pas quel type de graphique utiliser.

De plus, je voudrais pouvoir trouver la courbe de ces données (du type aX + b), me permettant d'anticiper le nombre de morts pour le mois prochain.

Merci à vous.

Re- Hello,

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

#simulation de données ddt = data.frame(date = seq.Date( as.Date('1946-01-01'), as.Date('2019-02-01'), by = 'month'), y=3*runif(878)+1000 )   ts.plot(x = ts(ddt$y, start = 1946 , frequency = 12) , ylab = "Variable", xlab = "Année" , main = "Un titre" ) #plot   ddt$rang <- c(1:nrow(ddt))   #Prévision type ax+b   reg <- lm(y ~ rang , data = ddt ) #modélisation summary(reg) #pour regarder l'estimations de a et b predict(reg, newdata = data.frame( rang = nrow(ddt)+ 1 )) # Prédire le Mois prochain d'ou le +1     # prevision de type série temporelle c'est le plus juste à faire dans ton cas, utilisation d'une librairie   install.packages("forecast") #installer le package si c'est pas déjà fait library(forecast)   arima <- auto.arima(ts(ddt$y, start = 1946 , frequency = 12) ) # modélisation de type arima   predict(arima)$pred # Prédire le mois prochain

---

Wow merci !! Je ne comprends absolument rien au code mais je vais l'essayer après.

Merci beaucoup :)

Concernant le package "Forecast", j'ai du mal à comprendre le :

predict(arima)$pred # Prédire le mois prochain

Par exemple, si je voulais prédire le mois prochain prochain, il faudrais quelle formule ?

par défaut il prédit la prochaine valeur, dans mon cas ma dernière valeur est celle de février et c'est des données mensuelles donc il va me prédire celle de mars.

Code:

---

1 2 3 4 5 6

predict(arima)$pred # Prédire le mois prochain   forecast( arima , h = 1) # equivalent à predict sauf qu'ici t'auras aussi les intervalles de confiance. forecast( arima , h = 12) # ici par exemple tu peux avoir la prédiction des 12 prochains mois

---

Merci à vous,

Selon vous, quels autres types d'études je pourrais faire avec ce genre de donnée ? J'ai pas d'objectif précis, juste pour savoir faire un maximum de choses (je m'auto-forme sur R)

Oups ! Je rencontre un petit soucis avec la fonction Forecast.

J'ai copié ton code :

Code:

---

1 2 3 4 5 6 7 8 9 10 11

>ddt = data.frame(date = seq.Date( as.Date('1946-01-01'), as.Date('2019-02-01'), by = 'month'), y=3*runif(878)+1000 )   > ts.plot(x = ts(ddt$y, start = 1946 , frequency = 12) , ylab = "Variable", xlab = "Année" , main = "Un titre" ) #plot   > ddt$rang <- c(1:nrow(ddt))   > reg <- lm(y ~ rang , data = ddt ) #modélisation   > arima <- auto.arima(ts(ddt$y, start = 1946 , frequency = 12) ) # modélisation de type arima   > forecast( arima , h = 12)

---

et .. j'ai 12 fois la même valeur qui s'affiche :

Pièce jointe 463399

Saurais-tu pourquoi ?

Bonjour,

Normale mes données simulées sont un bruit blanc loi ( N(O , sigma² ) ) donc c'est normale d'avoir la même valeur. Essaye d'appliquer le code sur tes données.


voilà une simulation correcte:

Code:

---

1 2 3 4 5

ddt = data.frame(date = seq.Date( as.Date('1946-01-01'), as.Date('2019-02-01'), by = 'month') , y= 1000*arima.sim(n = 878, list(ar = c(0.8897, -0.4858), ma = c(-0.2279, 0.2488)), sd = sqrt(0.1796)))

---

Bonjour,
En effet, j'ai réussi à tout faire marcher et je vous en remercie.

J'ai testé l'expérience avec un autre fichier de données simple, avec 11 lignes, que voici : https://drive.google.com/open?id=1gu...iKSDKxV84HdRKx , et malheuresement j'arrive encore au stade du forecast qui me copie plein de fois la même chose.
Voici le code que j'utilise :

Code:

---

1 2 3 4 5 6 7 8 9

ts.plot(x = ts(data$X4.Etoiles) , ylab = "Variable", main = "Un titre" ) data$rang <- c(1:nrow(data)) reg <- lm(data$X4.Etoiles ~ rang , data = data ) predict(reg, newdata = data.frame( rang = nrow(data)+ 1 )) #A CE STADE, JE TROUVE 158.0727   library(forecast) arima <- auto.arima(ts(data$X4.Etoiles)) forecast( arima , h = 7)

---

Cela me renvoie ceci :

Point Forecast    Lo 80    Hi 80     Lo 95   Hi 95
12       225.2727 29.46684 421.0786 -74.18654 524.732
13       225.2727 29.46684 421.0786 -74.18654 524.732
14       225.2727 29.46684 421.0786 -74.18654 524.732
15       225.2727 29.46684 421.0786 -74.18654 524.732

Probablement au niveau de la fonction arima que je me trompe ^^'

Merci à vous.

Lancer un modèle arima sur 11 lignes c'est un peu limite. Plutôt regarder au tour des modèles de lissages , coef saisonnier.

dans ta transformation ts il faut préciser la fréquence de calcul ( mensuelle donc 12 , trim donc 4 ect ... ). ca va aider le modèle à s'ajuster.