The title of this course is Computational DNA nanotechnology. It focuses on the computational aspects of DNA self-assembly for designing nanostructures.

Ce cours vise à introduire les concepts fondamentaux des séries temporelles, en mettant l’accent sur les processus stationnaires et la modélisation univariée selon l’approche de Box et Jenkins. Les étudiants apprendront à analyser et modéliser des séries temporelles en vue de faire des prévisions et d’interpréter des phénomènes dynamiques.

Plan du cours

Chapitre 1 : Processus stationnaires

• Définition et importance des séries temporelles
• Stationnarité : concepts et tests de stationnarité
• Processus autorégressifs (AR), moyennes mobiles (MA) et ARMA
• Fonction d’autocorrélation (ACF) et fonction d’autocorrélation partielle (PACF)
• Exemples et applications

Chapitre 2 : Modélisation univariée de Box et Jenkins

• Introduction à la méthodologie de Box et Jenkins
• Identification des modèles ARIMA (AutoRegressive Integrated Moving Average)
• Estimation et validation des modèles
• Sélection des meilleurs modèles et diagnostic
• Prévisions à partir des modèles ARIMA
• Applications pratiques et étude de cas

Méthodologie

• Cours magistraux : Présentation des concepts et outils théoriques
• Travaux dirigés : Exercices d’application et manipulation de séries temporelles
• Utilisation de logiciels : Implémentation des méthodes avec R
• Études de cas : Analyse de données réelles

Évaluation des connaissances

• Quiz sur le chapitre 1 : 5/20 – le 06 mars 2025
• Devoir sur table d’une heure en groupe (dernière séance) : 5/20
• Devoir de maison : 10/20