Vous êtes sur la page 1sur 5

Solution exercice 3 :

1. Il faut présenter les données sur un graphique pour montrer l’évolution :

Après l'observation du graphique les points suivants en étaient remarqués :

- Le modèle de décomposition de la période totale sera composé d’un modèle


multiplicatif

-
2. Le lissage exponentiel de la série pour α=0,46
En utilisant l’ équation S t   .yt  1  .S t 1

jours t Cours yt LE α=0,46

1 1293 1293

2 1209 1254,36

3 1205 1231,65

4 1273 1250,67

5 1220 1236,56

6 1290 1261,14

7 1243 1252,80

8 1203 1229,89

9 1390 1303,54

10 1360 1329,51

11 1353 1340,32

12 1343 1341,55

13 1364 1351,88

14 1330 1341,81

15 1377 1358,00

16 1332 1346,04

3 : pour avoir la somme des carrés des résidus Il faut d'abord calculer les résidus sur la base suivante :

et = yt - St-1

D’où les résultats suivants :

t yt LE α=0,46 Résidus Résidus²

1 1293 1293 0,00 0,00

2 1209 1254,36 -84,00 7056,00

3 1205 1231,65 -49,36 2436,41

4 1273 1250,67 41,35 1709,46

5 1220 1236,56 -30,67 940,86


6 1290 1261,14 53,44 2855,45

7 1243 1252,80 -18,14 329,22

8 1203 1229,89 -49,80 2479,84

9 1390 1303,54 160,11 25634,93

10 1360 1329,51 56,46 3187,61

11 1353 1340,32 23,49 551,68

12 1343 1341,55 2,68 7,20


Ce qui donne finalement une variance résiduelle égale à : 50085,2607

4 : pour vérifier si cette variance résiduelle est minimum il faut faire une
comparaison entre les résultats calculés et les résidus obtenus sur la base d’une
valeur supérieure α=0,47 et une valeur inférieure α=0,45.

Les résultats sont présentés dans le tableau suivant :

LE Résidus² LE Résidus² LE Résidus²


t yt
α=0,46 α=0,46 α=0,45 α=0,45 α=0,47 α=0,47

1 1293 1293 0,00 1293,00 0,00 1293,00 0,00

2 1209 1254,36 7056,00 1255,20 7056,00 1253,52 7056,00

3 1205 1231,65 2436,41 1232,61 2520,04 1230,72 2354,19

4 1273 1250,67 1709,46 1250,79 1631,35 1250,59 1787,97

5 1220 1236,56 940,86 1236,93 947,75 1236,21 935,70

6 1290 1261,14 2855,45 1260,81 2816,21 1261,49 2893,12

7 1243 1252,80 329,22 1252,80 317,29 1252,80 341,97

8 1203 1229,89 2479,84 1230,39 2479,73 1229,39 2480,14

9 1390 1303,54 25634,93 1302,21 25475,89 1304,88 25794,11

10 1360 1329,51 3187,61 1328,22 3339,27 1330,79 3038,31

11 1353 1340,32 551,68 1339,37 614,17 1341,23 493,46

12 1343 1341,55 7,20 1341,00 13,18 1342,06 3,15

13 1364 1351,88 503,96 1351,35 528,85 1352,37 481,36

14 1330 1341,81 478,63 1341,74 455,90 1341,86 500,50

15 1377 1358,00 1238,06 1357,61 1243,02 1358,37 1235,03

16 1332 1346,04 675,97 1346,08 655,82 1345,98 695,60


50085,26 50094,47 50090,62

On constate que :

Si α=0,45, On aura la somme des résidus égale à


50094,47 Si α=0,46, On aura la somme des
résidus égale à 50085,26 Si α=0,47, On aura la
somme des résidus égale à 50090, 62

Ce qui explique effectivement que la variance résiduelle est plus faible pour α=0,46
que pour les autres coefficients, alors que c’est la variance la plus efficace a la
désaisonnalisation de notre série.

Vous aimerez peut-être aussi