Exercice

La demande d’un certain article a été relevée au cours de 15 mois consécutifs :

Y’t 37 37 39, 39, 40,4

4 16 5

1. Appliquez un lissage exponentiel simple à cette série chronologique en

prenant α = 0,6 jusqu’au 6ème mois inclus et α = 0,3 pour les mois
suivants.

Y’t+1 = Y’t + α (Yt- Y’t)

1
 Lissage exponentiel à deux paramètres pour une
tendance

Le lissage exponentiel double se caractérise par une évolution tendancielle

linéaire de type y=ax+b et une absence de saisonnalité.
Deux paramètres sont considérés:
• Le paramètre de lissage α nécessaires pour tous les modèles
• Le paramètre de tendance γ

Soit St la valeur lissée au temps t

2
 Lissage exponentiel à deux paramètres pour une
tendance
Deux équations de mise à jour interprétable comme pour le lissage
simple:
Du niveau (smoothed value):

De la pente de la tendance (trend):

Tendance localement linéaire

m: le nombre de période après lesquelles on
effectuera la prévision normalement m=1

Initialisation:
• S1 = X1
• b1 = X 2 – X 1 3
 Lissage exponentiel à deux paramètres pour une
tendance
Exemple:
α =0.8
γ =0.6

période Xt St bt Pt+1
1 1
2 2.8
3 4.5
4 5.95
5 7.55
6 9.1

4
 Le lissage exponentiel double
La prévision par lissage exponentiel double est donnée par:

St = Xt + 1 –  St – 1

St = St + 1 –  St – 1

St = St + St – St

bt =  S  – S
1– t t

Pt + m = St + b tm

5
Le lissage exponentiel double:
Initialisation

S’1 = X1

S’’ 1 = X1

6
Exemple d’application
α=0.4
t Xt S't S"t St bt Pt+m
1 1091,00 1091,00 1091,00 1091,00
2 1006,00 1057,00 1077,40 1036,60
3 1105,00 1076,20 1076,92 1075,48
4 1034,00 1059,32 1069,88 1048,76
5 1095,00 1073,59 1071,36 1075,82
6 1081,00 1076,56 1073,44 1079,67
7 1136,00 1100,33 1084,20 1116,47
8 1116,00 1106,60 1093,16 1120,04
9 1109,00 1107,56 1098,92 1116,20
10 1199,00 1144,14 1117,01 1171,27
11 1209,00 1170,08 1138,24 1201,93
12 1232,00 1194,85 1160,88 1228,82
13 1191,00 1193,31 1173,85 1212,77
14 1239,00 1211,59 1188,95 1234,23
15 1235,00 1220,95 1201,75 1240,15
16 1330,00 1264,57 122,88 1302,26
17 1342,00 1295,54 1254,34 1336,74
18 1332,00 1310,13 1276,66 1343,59
19 1374,00 1335,68 1300,26 1371,09
20 1402,00 1362,21 1325,04 1399,37
21 1504,00 1418,92 1362,59 1475,25
22 1502,00 1452,15 1398,42 1505,89
23 1588,00 1506,49 1441,65 1571,34
24 1607,00 1546,70 1483,67 1609,72 42,02
25 1651,74
26 1693,76
27
7
 le lissage exponentiel de Holt

• le lissage exponentiel de Holt:

• Le lissage de Holt qui comprend deux paramètres : l’un pour la moyenne
lissée a0(t) et l’autre pour la pente a1(t)
• Y(t) = a0(t) + a1(t)*t

8
 le lissage exponentiel de Holt

• le lissage de la moyenne a0(t) avec un coefficient de lissage α, α dans

[0 ; 1],
• le lissage de la tendance a1(t )avec un coefficient de lissage β, avec β
dans[0 ; 1].
a0 (t ) =  * x(t ) + (1 −  ) * (a0 (t − 1) + a1 (t − 1))
a1 (t ) =  * (a0 (t ) − a0 (t − 1)) + (1 −  ) * a1 (t − 1)

• Avec a0(1) = x(1) et a1(1) = 0

• P(t+m) = a0(t) + m*a1(t)
9
Apha=0.4
Beta=0.6

10
Le modèle de Holt-winters
• Le modèle avec tendance et saisonnalité (modèle de Holt–Winters)
• le lissage de la moyenne avec un coefficient de lissage α, avec α dans [0 ; 1],
• le lissage de la tendance avec un coefficient de lissage β, avec β dans[0 ; 1],
• le lissage de la saisonnalité avec un coefficient de lissage γ, avec γ dans [0 ; 1],

11
Le modèle de Holt-winters suite

Lissage de la moyenne :
a0 (t ) =  * ( x(t ) / St − p ) + (1 −  ) * (a0 (t − 1) − a1 (t − 1))
lissage de la tendance :
a1 (t ) =  * (a0 (t ) − a0 (t − 1)) + (1 −  ) * a1 (t − 1)
lissage de la saisonnalité :
St =  * ( x(t ) / a0 (t )) + (1 −  ) * St − p
12
Le modèle de Holt-winters:
prédiction
Ft + h = (a0 (t ) + h * a1 (t )) * St + h − p si 1  h  p
Ft + h = (a0 (t ) + h * a1 (t )) * St + h −2 p si p + 1  h  2p

Initialisation :
pour la première année (t = 1, p)
soit x la moyenne des p premières observatio ns
St = x(t ) / x pour t = 1, p
a 0 ( p) = x
a1 ( p ) = 0 13