Contents
Une caractéristique des données que vous pourriez vouloir prendre en compte est celle du temps. Un graphique qui reconnaît cet ordre et affiche le changement des valeurs d’une variable au fur et à mesure que le temps avance est appelé graphique de série temporelle.
Supposons que vous vouliez étudier le climat d’une région pendant un mois entier. Chaque jour à midi, vous notez la température et l’inscrivez dans un journal. Diverses études statistiques pourraient être réalisées à partir de ces données. Vous pourriez trouver la température moyenne ou médiane pour le mois. Vous pouvez construire un histogramme indiquant le nombre de jours où les températures atteignent une certaine plage de valeurs. Mais toutes ces méthodes ignorent une partie des données que vous avez recueillies.
Comme chaque date est associée à la température du jour, il n’est pas nécessaire de considérer les données comme étant aléatoires. Vous pouvez plutôt utiliser les temps donnés pour imposer un ordre chronologique aux données.
Construire un graphique de séries chronologiques
Pour construire un graphique de séries chronologiques, vous devez examiner les deux éléments de l’ensemble de données appariées. Commencez par un système de coordonnées cartésiennes standard. L’axe horizontal est utilisé pour tracer la date ou les incréments de temps, et l’axe vertical est utilisé pour tracer la variable de valeurs que vous mesurez. Ce faisant, chaque point du graphique correspond à une date et à une grandeur mesurée. Les points du graphique sont généralement reliés par des lignes droites dans l’ordre où ils se produisent.
Utilisations d’un graphique de séries chronologiques
Les graphiques de séries chronologiques sont des outils importants dans diverses applications des statistiques. Lorsqu’on enregistre les valeurs d’une même variable sur une longue période, il est parfois difficile de discerner une tendance ou un modèle. Cependant, une fois que les mêmes points de données sont affichés graphiquement, certaines caractéristiques sautent aux yeux. Les graphiques de séries chronologiques permettent de repérer facilement les tendances. Ces tendances sont importantes car elles peuvent être utilisées pour se projeter dans l’avenir.
En plus des tendances, le temps, les modèles économiques et même les populations d’insectes présentent des schémas cycliques. La variable étudiée ne présente pas une augmentation ou une diminution continue mais plutôt des variations à la hausse et à la baisse selon la période de l’année. Ce cycle d’augmentation et de diminution peut se poursuivre indéfiniment. Ces tendances cycliques sont également faciles à observer à l’aide d’un graphique de séries chronologiques.
Un exemple de graphique de séries chronologiques
Vous pouvez utiliser l’ensemble des données du tableau ci-dessous pour construire un graphique de séries chronologiques. Les données proviennent du Bureau du recensement américain et rendent compte de la population résidente des États-Unis de 1900 à 2000. L’axe horizontal mesure le temps en années et l’axe vertical représente le nombre de personnes aux États-Unis. Le graphique nous montre une augmentation constante de la population qui est à peu près une ligne droite. La pente de la ligne devient ensuite plus raide pendant le baby-boom.
Données sur la population américaine 1900-2000
Année
Population
1900
76094000
1901
77584000
1902
79163000
1903
80632000
1904
82166000
1905
83822000
1906
85450000
1907
87008000
1908
88710000
1909
90490000
1910
92407000
1911
93863000
1912
95335000
1913
97225000
1914
99111000
1915
100546000
1916
101961000
1917
103268000
1918
103208000
1919
104514000
1920
106461000
1921
108538000
1922
110049000
1923
111947000
1924
114109000
1925
115829000
1926
117397000
1927
119035000
1928
120509000
1929
121767000
1930
123077000
1931
12404000
1932
12484000
1933
125579000
1934
126374000
1935
12725000
1936
128053000
1937
128825000
1938
129825000
1939
13088000
1940
131954000
1941
133121000
1942
13392000
1943
134245000
1944
132885000
1945
132481000
1946
140054000
1947
143446000
1948
146093000
1949
148665000
1950
151868000
1951
153982000
1952
156393000
1953
158956000
1954
161884000
1955
165069000
1956
168088000
1957
171187000
1958
174149000
1959
177135000
1960
179979000
1961
182992000
1962
185771000
1963
188483000
1964
191141000
1965
193526000
1966
195576000
1967
197457000
1968
199399000
1969
201385000
1970
203984000
1971
206827000
1972
209284000
1973
211357000
1974
213342000
1975
215465000
1976
217563000
1977
21976000
1978
222095000
1979
224567000
1980
227225000
1981
229466000
1982
231664000
1983
233792000
1984
235825000
1985
237924000
1986
240133000
1987
242289000
1988
244499000
1989
246819000
1990
249623000
1991
252981000
1992
256514000
1993
259919000
1994
263126000
1995
266278000
1996
269394000
1997
272647000
1998
275854000
1999
279040000
2000
282224000
