Académique Documents
Professionnel Documents
Culture Documents
LISSAGES EXPONENTIELS
Boris BAFFO,
Enseignant-Chercheur, ENSEA Abidjan
23 octobre 2023
1 Objectif et Contenu
3 Méthodes de Holt-Winters
Objectif et Contenu
Objectif
Familiariser les étudiant.e.s aux méthodes de prévision développées par
Holt et Winter nommées méthodes de lissages exponentiels ;
Principe
Prévoir une série temporelle Xt ≈ c, c un réel :
* sans saisonnalité,
* à tendance constante ou série localement constante .
Choisir une constante β (∈]0, 1[ ), nommée la constante de lissage, et
minimiser la somme des carrés des erreurs :
X
min β j (XT −j − c)2
c
j=0
Expression
Soit h l’horizon de prévision. Alors la prévision X bT (h) de XT +h est
donnée par :
T
X −1
XT (h) = (1 − β)
b β j XT −j (1)
j=0
X bT −1 (h) + (1 − β)XT
bT (h) = β X (2)
X bT −1 (h) + (1 − β) XT − X
bT (h) = X bT −1 (h) (3)
Principe
Prévoir une série temporelle Xt ≈ A + (t − T )B, A, B deux réels :
* sans saisonnalité,
* à tendance linéaire ou série localement linéaire.
Choisir la constante de lissage β (∈]0, 1[ ) et minimiser la somme des
carrés des erreurs :
2
" #
X
min β j XT −j − A + (t − T )B
A,B
j=0
Expression
La prévision X
bT (h) de XT +h est donnée par :
X
bT (h) = A
bT + h B
bT ; (4)
avec (
b T = 1−β S1 (T ) − S2 (T )
A β
BbT = 2S1 (T ) − S2 (T )
où
Pt−1
* S1 (t) = (1 − β) j=0 β j Xt−j (série lissée une fois) , et
Pt−1 j
* S2 (t) = (1 − β) j=0 β S1 (t − j) (série lissée deux fois).
Méthodes de Holt-Winters
1−β
On procède à une généralisation en posant 1 − 1+β = µ.
* Cette méthode est souple que celle du lissage exponentiel double car
elle utilise deux paramètres (λ, µ) au lieu d’un seul (β) ;
* Plus λ et µ sont grands, plus la méthode tient compte des valeurs
éloignées.
SERIES TEMPORELLES I, IUA LISSAGES EXPONENTIELS 23 octobre 2023 13 / 17
Méthodes de Holt-Winters
Prévision
X
bT (h) = A
bT + h B bT +h−p , 1 ≤ h ≤ p
bT + S (13)
X
bT (h) = A
bT + h B bT +h−2p , p + 1 ≤ h ≤ 2p
bT + S (14)
XT h i
A
bT = (1 − λ) +λ A b T −1 + B
bT −1 (lissage de la moyenne) (15)
S
bT −p
h i
B
bT = (1 − µ) AbT − A
b T −1 + µB bT −1 (lissage de la tendance) (16)
XT
S
bT = (1 − γ) + γS
bT −p (lissage de la saisonnalité) (17)
A
bT