Dans l’activité précédente, nous avons appris à modéliser les dépendances temporelles internes d’un phénomène à l’aide des modèles ARMA, ARCH et HMM. Ces approches constituent les fondements de l’analyse des séries chronologiques stationnaires, dont la moyenne et la variance restent stables dans le temps.
Dans cette activité, on ira plus loin en modélisant les séries non stationnaires, soumises à des tendances ou à des cycles saisonniers, en tenant compte des facteurs externes et/ou de la localisation géographique.
Pour débuter, on verra des modèles capables d’intégrer les tendances et la saisonnalité, deux composantes essentielles pour représenter fidèlement les dynamiques temporelles observées en santé publique, telles que les fluctuations saisonnières de la grippe ou l’évolution des maladies à transmission vectorielle comme la dengue.
Ensuite, on abordera les notions de covariables et d’effets spatiaux, qui permettent d’introduire des influences externes, telles que la température, la densité de population ou les politiques de prévention, et de comprendre comment les phénomènes se propagent dans l’espace.