Lissage Exponentiel Simple

LES METHODES FONDEES SUR LE LISSAGE EXPONENTIEL 1. Caractéristiques des méthodes de lissage.............................................................................. 34 1.1. Principes de base........................................................................................................... 34 1.2. Formulation................................................................................................................... 34 1.3. Rôle de la constante de lissage..........................

est une démarche qui vise à estimer la demande future pour les produits et les services d’une entreprise. Plan -Méthodes qualitatives -Méthodes quantitatives : . Moyennes Glissantes . Lissage Exponentielle . Moindres Carrées -Période-test (précision) Les méthodes qualitatives : Elles reposent sur l’opinion et le jugement des personnes. Cette phase s’effectue sur 4 étapes : Sondage Comparaison

. . . . . . . . . . . . . . . . . . . . . . . . . . . 19 19 19 20 21 22 22 23 4 Les moyennes mobiles 4.1 D´finitions des moyennes mobiles . . . . . . . . . . . . . . . . . . . e 4.2 Propri´t´s d’un lissage par moyenne mobile . . . . . . . . . . . . . ee 4.2.1 Effet d’une moyenne mobile sur une tendance . . . . . . . . 4.2.2 Effet d’une moyenne mobile sur une composante saisonni`re e 4.2.3 Effet d’une moyenne mobile sur les fluctuations irr´guli`res

PLAN DU COURS • Remarques introductives • 0. Prévisions économiques Niveau 0 : l’opération débrouille • 1. Préciser les caractéristiques de la prévision • 2. Première étape incontournable : analyser graphiquement les séries • 3. Techniques de lissage • 4. Décomposition tendance déterministe - fluctuations • 5. Décomposition saisonnalité déterministe - fluctuations • 6. Modélisation des fluctuations stationnaires • 7. Trend et saisonnalité stochastiques • 8. Les principaux modèles de régression

exhaustive des méthodes quantitatives : * Méthode quantitative simple (prise en compte de la production actuelle plus ou moins un certain pourcentage) ; * Méthode des moyennes glissantes (moyenne de la production réelle de (n) périodes antérieures les plus récentes) ; * Méthode de lissage exponentiel (moyenne pondéré par des coefficients exponentiels) ; * Méthode de la tendance (projection linéaire, exponentielle, logarithmique ou polynomiale de la tendance passée. A partir des simulations

Février 6,2 Mars 12,1 Avril 14,4 Mai 11,1 Juin 7,4 Juillet 6,4 Août 12,9 Septembre 21,1 Octobre 15,4 Novembre 16,5 Décembre 11,6 Questions Partie A : lissage exponentiel simple a) Construisez un tableau représentant les prévisions de demande pour les onze derniers mois à l’aide de la méthode du lissage exponentiel simple. Utilisez comme valeur initiale la première valeur réelle et comme coefficient alpha = 0,20. (1 point) b) Tracez (à l’aide d’Excel ou à la main) le graphique représentant

illustrations simples des méthodes, nous donnons des indications sur les logiciels employés, les cours disponibles et quelques aspects de calcul. Abstract Time Series Analysis is applied in numerous sciences and techniques. It is introduced here with an accent of forecasting methods as they are used, in particular by companies interested in sales forecasting. We focus on statistical and econometric aspects of these methods and their limitations. Spectral analysis is also considered. Beside some simple illustrations

service. Ce texte porte sur les méthodes d’analyse de séries chronologiques qui peuvent être utilisées pour prévoir la demande des produits à forte circulation (fast mover) gérés par une entreprise. On se limite à des méthodes de lissage et de régression relativement simples et on tient compte des besoins spécifiques de l’industrie alimentaire. Plus précisément, dans ce texte, nous présentons les méthodes de prévision à utiliser lorsque la demande pour un produit est stationnaire, lorsqu’elle subit

250 + 175) = 208 •Pour semestre 5 : (1/3) (250 + 175 + 186) = 204 … Moyenne mobile sur six périodes : Pour semestre 6 : (1/6) (200 + 250 + 175 + 186 + 225 + 285) = 220 … Résultats: V.2 Lissage exponentielle (Pour séries stationnaires) Reprise de l’exemple 1 en utilisant du lissage exponentiel simple. On suppose a = 0.1 Pour la première période, on assume que la prévision est 200; Par la suite : Ft = α Dt-1+ (1- α) Ft-1 Dt-1 : données réelles du semestre précédent Ft-1 : prévisions au mois

illustrations simples des méthodes, nous donnons des indications sur les logiciels employés, les cours disponibles et quelques aspects de calcul. Abstract Time Series Analysis is applied in numerous sciences and techniques. It is introduced here with an accent of forecasting methods as they are used, in particular by companies interested in sales forecasting. We focus on statistical and econometric aspects of these methods and their limitations. Spectral analysis is also considered. Beside some simple illustrations