Vous êtes sur la page 1sur 21

Mois Réel

1 492
2 470
3 493
4 485
5 498
6
Calculer la production prévue pour le mois 6?
semaine 1 semaine 2 semaine 3
lundi 67 lundi 60 lundi 64
mardi 75 mardi 73 mardi 76
mercredi 82 mercredi 85 mercredi 87
jeudi 98 jeudi 99 jeudi 96
vendredi 90 vendredi 86 vendredi 88
samedi 36 samedi 40 samedi 44
dimanche 55 dimanche 52 dimanche 50
semaine 4
lundi
mardi
mercredi
jeudi
vendredi
samedi
dimanche
Période Nombre de paniers
1 42
2 40
3 43
4 40
5 41

Prévoir le nombre de paniers pour la période 6 en utilisant la moyenne mobile


pour n=3

n= la base

sant la moyenne mobile pour n=3 ?


la moyenne
Période ponderee
Consommation réelle
1 42
2 40 4
3 43 8.6
4 40 12
5 41 16.4
6 41
Voici les données concernant la consommation des matières premières pour les cinq der
a. Calculer la moyenne pondérée en appliquant la pondération suivante:
•0.4 pour la période la plus récente
•0.3 pour l’avant dernière
•0.2 pour celle d’avant
•0.1 pour la plus ancienne
b. Si la demande effective pour la période 6 est de 39, prévoir la période 7 en utilisant l

N.B: la somme des poids doit être égale à 1 (0,4+0,3+0,2+0,1=1)


Consom
Période mation laponderee
moyenne
réelle
1 42
2 40
3 43 4.3
4 40 8
5 41 12.3
6 39 15.6
mières pour les cinq dernières périodes : 7 40.2
suivante:

a période 7 en utilisant les même pondérations


Période Production Réelle |R-P| prévision
Prévision α=0,1 α=0,4
1 42 indispo
47

2 40 42 2.0 42
45
3 43 41.80 1.2 41.20
4 40 41.92 1.9 41.68
43
5 41 41.73 0.7 40.91
6 39 41.66
41 2.7 40.62
7 46 41.39 4.6 39.56
8 44 41.85
39
2.1 41.40
9 45 42.07 2.9 42.26
10 38 42.36
37
4.4 43.44
11 40 41.92 1.9 41.69

12 indispo 35
41.73 1 2 3 4
40.92
5 6 7

Production Réelle Prévision α=0,1

–Utiliser le lissage exponentiel pour effectuer des prévisions pour les données suivantes et calcule
•Utilisez un facteur de lissage de a =0.1
•Utilisez un facteur de lissage de a =0.4
•Tracer les données effectives et les deux prévisions sur un seul graphique
•Calculer le EMA pour les deux a
•Qu’est ce que vous en concluez?
|R-P|

2
1.8
1.68
0.088 Convention: P2=R1 0.4 0.1
1.6208 -2
6.44128 1.2
2.597152 -1.91999999999999
2.7374368 -0.727999999999994
5.4363069 -2.65519999999999
1.6926762 4.61032000000001

5 6 7 8 9 10 2.14928800000001

2.9343592
on Réelle Prévision α=0,1 prévision α=0,4
-4.35907672
nnées suivantes et calculer l’erreur (réel-prévision) et ce pour chaque période. -1.923169048

l graphique
Production prévision prévision
période réelle prévision a=0,1 |R-P| a=0,3 |R-P| a=0,7

1 100
2 125 100 25 100 25 100
3 90 102.5 12.5 107.5 17.5 117.5
4 110 103.75 6.25 112.75 2.75 136.75
5 105 104.375 0.625 113.575 8.575 155.475
6 130 104.4375 25.5625 116.1475 13.8525 190.8075
7 85 106.99375 21.99375 120.30325 35.30325 233.37275
8 102 109.193125 7.193125 130.894225 28.894225 337.233675
9 110 109.9124375 0.0875625 139.562493 29.5624925 501.897248
10 90 109.92119375 19.9211938 148.43124 58.4312403 776.225321
11 105 111.913313125 6.91331313 165.960612 60.9606123 1256.58305

12 112.604644438 184.248796 2062.69118

126.046444 280.82932

–Utiliser le lissage exponentiel pour effectuer des prévisions pour les données
•Utilisez un facteur de lissage de a =0.1
•Utilisez un facteur de lissage de a =0.3
•Utilisez un facteur de lissage de a =0.7
•Tracer les données effective et les trois prévisions sur un seul graphique
•Calculer le EMA pour les trois a
•Qu’est ce que vous en concluez
|R-P| 0.1 0.3 0.7

EMA 11.4587677 16.7498905 254.894958


25
27.5 2500

26.75
50.475 2000
60.8075
148.37275
1500
235.233675
391.897248
1000
686.225321
1151.58305
500

2803.84454 0
1 2 3 4 5 6 7 8 9 10 11

ns pour les données suivantes et calculer l’erreur (réel-prévision) et ce pour chaque période.

seul graphique
ur chaque période.
Production prévision prévision
période réelle prévision a=0,1 |R-P| a=0,3 |R-P| a=0,7

1 100
2 125 100 25 100 25 100
3 90 102.5 -12.5 107.5 -17.5 117.5
4 110 101.25 8.75 102.25 7.75 98.25
5 105 102.125 2.875 104.575 0.425 106.475
6 130 102.4125 27.5875 104.7025 25.2975 105.4425
7 85 105.17125 -20.17125 112.29175 -27.29175 122.63275
8 102 103.154125 -1.154125 104.104225 -2.104225 96.289825
9 110 103.0387125 6.9612875 103.472958 6.5270425 100.286948
10 90 103.73484125 -13.7348413 105.43107 -15.4310703 107.086084
11 105 102.361357125 2.63864288 100.801749 4.19825083 95.1258253

12 102.625221413 102.061224 102.037748

26.2522141 6.87074807

•Calculer le EMA pour les trois a


•Qu’est ce que vous en concluez
|R-P| 0.1 0.3 0.7

EMA 2.38656492 9.27829313 0.26464254


25
-27.5
11.75 140
-1.475
24.5575 130
-37.63275
5.710175 120

9.7130525
110
-17.0860843
9.87417473 100

90
2.91106798
80

70

a=0,1 est le plus adapté


60

50
1 2 3 4 5 6 7 8 9 10
8 9 10
 Ventes
réelles M$ Profits Réels
Mois (X) en M$ (Y)
M1
7 0.15
M2
2 0.1
M3
6 0.13
M4 4 0.15
M5 14 0.25
M6 15 0.27
M7 16 0.24
M8 12 0.2
M9 14 0.27
M10 20 0.44
M11 15 0.34
M12 7 0.17 Coef de corr 0.92

–Hamburgers-king possède une chaine de 12 restaurants, le tableau suivant présente


1.Tracer le graphique (courbe en nuages+ tendance)
2.Calculer le coefficient de corrélation r
3.Est-ce que r est valable?. Si oui pourquoi ?
4.Déterminer l’équation de la droite d’ajustement
5.Déterminer pour une vente de 10 M$ les profits générés
6.Calculer le pourcentage d’erreur MERA
M$
Profits Réels prévu Y' Y-Y'
Mois Ventes (X) (Y)
M1 7 0.15 0.16 -0.012
M2 2 0.1 0.08 0.018
M3 6 0.13 0.15 -0.016
M4 4 0.15 0.11 0.036
M5 14 0.25 0.27 -0.024
M6 15 0.27 0.29 -0.020
M7 16 0.24 0.31 -0.065
M8 12 0.2 0.24 -0.042
M9 0.27 -0.004
14 0.27
M10 20 0.44 0.37 0.071
M11 15 0.34 0.29 0.050
M12 7 0.17 0.16 0.008
Total 2.71 2.71 0.000
0,00 < | r | < 0,10 relation négligeable

0,11 < | r | < 0,30 relation faible


0,31 < | r | < 0,50 relation modérée
0,51 < | r | < 0,70 relation forte
| r | > 0,71 relation très forte

FORTE CORRELATION r> 0,71

bleau suivant présente les ventes et les profits des restaurants:

La pente 0.02
Ordonné d'origine 0.05
0.21 Déterminer l’équation de la droite d’ajustement
209903.100775194
ereur relative absolue
ERA %
le graphique (courbe en nuages+ tendanc
7%
0.5
21%
0.45
11%
0.4
31%
0.35
9%
0.3
7%
0.25
21%
0.2
17% 0.15
1% 0.1
19% 0.05
17% 0
0 5 10 15
5%
14% MERA
MERA
0.239289535
0.180516666666667
•m = PENTE(Y;X)
•b = ORDONNEE.ORIGINE(Y;X)

Y'=mX+b

ourbe en nuages+ tendance)

15 20 25
239290 14%
180517 -14%

Vous aimerez peut-être aussi