Application lissage exponentiel

1. Etude de la série PRIX :

La série PRIX est tendancielle et présente aussi une composante saisonnière qui
intervient de façon multiplicative, c’est pour cela qu’on a appliqué la technique
de Holt & Winters multiplicative. On a utilisé le logiciel ITSM 2000.

Coefficients: Alpha 0.81

Beta 1
Gamma 0.01
Coefficients were optimized

Root mean-squared
error 2.4642

Le tableau ci-dessus comporte :

Les coefficients de lissage qui minimisent la somme des carrés résiduels et qui sont :

Coefficient de lissage de la moyenne noté α= 0,81

Coefficient de lissage de la tendance noté  = 1
Coefficient de lissage de la saisonnalité noté  = 0,01

La racine moyenne des carrés résiduels : RMSE = 2,4642

Les prévisions et le graphe de la prévision :

Date Prévision
janv-05 45,87779 50.
févr-05 46,55284
mars-05 46,84180
avr-05 45,80552 40.
mai-05 47,04883
juin-05 45,20985
30.
juil-05 45,90805
août-05 46,81017
sept-05 45,85590 20.
oct-05 47,21197
nov-05 45,13237
10.
Déc-05 45,15328
0 50 100 150 200

136
 Application lissage exponentiel

2. Etude de la série IMP :

La série IMP est tendancielle et présente aussi une composante saisonnière qui
intervient de façon additive, c’est pour cela qu’on a appliqué la technique de Holt &
Winters additive.
Coefficients: Alpha 0.31
Beta 0.02
Gamma 0.32
Coefficients were optimized

Root mean-squared
error 387.8

Le tableau ci-dessus comporte :

Les coefficients de lissage qui minimisent la somme des carrés résiduels et qui sont :

Coefficient de lissage de la moyenne noté α= 0,31

Coefficient de lissage de la tendance noté  = 0,02
Coefficient de lissage de la saisonnalité noté  = 0,32

La racine moyenne des carrés résiduels : RMSE = 387,8

Les prévisions et le graphe de la prévision :

Date Prévision 11000.

janv-05 9835
10000.
févr-05 10171
mars-05 10458 9000.
avr-05 10793
8000.
mai-05 10797
juin-05 10701 7000.
juil-05 10816
6000.
août-05 10758
sept-05 10716 5000.
oct-05 10685
4000.
nov-05 10586
déc-05 10378 3000.

0 50 100 150 200

137
 Application lissage exponentiel

3. Etude de la série PROD :

La série PROD est tendancielle et présente aussi une composante saisonnière qui
intervient de façon additive, c’est pour cela qu’on a appliqué la technique de Holt &
Winters additive.

Coefficients: Alpha 0.57

Beta 0.03
Gamma 0.4
Coefficients were optimized

Root mean-squared
error 108.9

Le tableau ci-dessus comporte :

Les coefficients de lissage qui minimisent la somme des carrés résiduels et qui sont :

Coefficient de lissage de la moyenne noté α= 0,57

Coefficient de lissage de la tendance noté  = 0,03
Coefficient de lissage de la saisonnalité noté  = 0,40

La racine moyenne des carrés résiduels : RMSE = 108,9

Les prévisions et le graphe de la prévision :

Date Prévision
janv-05 5096,9 9000.
févr-05 5078,7
mars-05 5092,3
avr-05 5052,6 8000.

mai-05 5048,5
juin-05 4963,1 7000.
juil-05 4894,5
août-05 4880,1
sept-05 4887,8 6000.

oct-05 4839,9
nov-05 4891,2
5000.
déc-05 4898,3
0 50 100 150 200

138
 Application lissage exponentiel

4. Etude de la série EXPL :

L’application de la méthode de Holt & Winters non saisonnier sur la série EXPL
nous a conduit aux résultats suivants :

Coefficients: Alpha 0.67

Beta 0.05
Coefficients were optimized

Root mean-squared
error 0.1736

Le tableau ci-dessus comporte :

Les coefficients de lissage qui minimisent la somme des carrés résiduels et qui sont :

Coefficient de lissage de la moyenne noté α= 0,67

Coefficient de lissage de la tendance noté  = 0,05

La racine moyenne des carrés résiduels : RMSE = 0,1736

Les prévisions obtenues par la méthode de Holt & Winters non saisonnier après
transformation présentées dans le tableau suivant :
Graphe prévision de la

Date Prévision
250.
janv-05 9,78171
févr-05 8,96582 200.
mars-05 8,14993
avr-05 7,33405 150.
5. mai-05 6,51816
Etude de la série CONS :
100.
juin-05 5,70228 La série CONS est tendancielle et présente aussi une
juil-05 4,88639 50.
composante saisonnière qui intervient de façon
août-05 4,07050
sept-05 3,25462 multiplicative,
0. c’est pour cela qu’on a appliqué la
oct-05 2,43873 technique
-5 0 .
nov-05 1,62284 de Holt & Winters multiplicative.
déc-05 0,80696 -1 0 0 .

0 20 40 60 80 100 120 140 160 180

Coefficients: Alpha 0.86
Beta 0.34694
Gamma 1

139
 Application lissage exponentiel

Coefficients were optimized

Root mean-squared
error 9600

Le tableau ci-dessus comporte :

Les coefficients de lissage qui minimisent la somme des carrés résiduels et qui sont :

Coefficient de lissage de la moyenne noté α= 0,86

Coefficient de lissage de la tendance noté  = 0,34694
Coefficient de lissage de la saisonnalité noté  = 1

La racine moyenne des carrés résiduels : RMSE = 9600

Nous présentons ci-dessous le tableau ainsi que le graphe des prévisions :

4 .5 E +0 5
Date Prévision
janv-05 402300
févr-05 405080 4 .0 E +0 5
mars-05 396180
avr-05 396750 3 .5 E +0 5
mai-05 402600 6. Etude de la série STOCK :
juin-05 412850 3 .0 E +0 5
juil-05 420540 L’application de la méthode de Holt & Winters sur la série
août-05 427270 STOCK
2 .5 E +0 5
nous a conduit aux résultats suivants :
sept-05 430960
oct-05 415210
2 .0 E +0 5
nov-05 417060 Coefficients: Alpha 0.82
déc-05 426840 Beta 0.34694*10-16
1 .5 E +0 5 Gamma 1
0 50 100 150 200
Coefficients were optimized

Root mean-squared
error 9056

Le tableau ci-dessus comporte :

Les coefficients de lissage qui minimisent la somme des carrés résiduels et qui sont :

Coefficient de lissage de la moyenne noté α= 0,82

Coefficient de lissage de la tendance noté  = 0,34694 E-16
Coefficient de lissage de la saisonnalité noté  = 1

140
 Application lissage exponentiel

La racine moyenne des carrés résiduels : RMSE = 9056

Nous présentons ci-dessous le tableau ainsi que le graphe des prévisions :

3 .8 E +0 5

3 .6 E +0 5

3 .4 E +0 5

3 .2 E +0 5

3 .0 E +0 5

2 .8 E +0 5

2 .6 E +0 5
0 50 100 150 200

Date Prévision
janv-05 288150
févr-05 289650
mars-05 301230
avr-05 303610
mai-05 299970
juin-05 292050
juil-05 285210
août-05 278750
sept-05 275140
oct-05 285360
nov-05 289570
déc-05 283980

141