INTRODUCTION

DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)

DEMONSTRATION DE b̂
CONCLUSION

EXPOSE
MONTRER DANS LE LISSAGE EXPONENTIEL SIMPLE QUE
T
X −1
1−α
b̂= 1−α T αj XT −j
j=0

Présenté par
KONE Abdoulaye
IBRAHIM HAMA Saidil-Moctar
YAO YAO Yacouba
SIDIBE Mamoutou
Supervisé par
Mme ABY Gwlasdys

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEMONSTRATION DE b̂
CONCLUSION

Plan de l’exposé

1 INTRODUCTION

2 DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL

SIMPLE(LES)

3 DEMONSTRATION DE b̂
DEFINITION DE QUELQUES TERMES
LA PREUVE

4 CONCLUSION

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEMONSTRATION DE b̂
CONCLUSION

INTRODUCTION
La prévision extrapolative est l’utilisation des observations
quantitatives passées et présentes de la variable pour prédire son
futur. Il existe différentes méthodes pour faire des prévisions parmi
lesquelles nous avons la méthode de prévision par la courbe de
trend, les coefficients saisonniers et le lissage exponentiel. Ainsi
pour la méthode de lissage exponentiel nous avons la méthode de
lissage exponentiel simple, double et Holt-Winters. A la suite de
nôtre exposé nous utiliserons la méthode de LES pour pouvoir
démontrer b̂.

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEMONSTRATION DE b̂
CONCLUSION

DEFINITION DE LES
Le lissage exponentiel simple est une méthode de prévision
permettant d’établir des prévisions à court terme. Elle est utilisée
avec des séries chronologiques sans saisonnalité et une tendance
constante. Le principe de cette méthode de calcul consiste à
accorder une plus grande importance aux dernières observations
effectuées.

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

QUELQUES TERMES
Soit Xt une observation d’une série chronologique.
b : la tendance de la chronique.
ε : le résidu de la série.
α : Un réel dans l’intervalle ]0 ;1[.
le modèle considéré est un modèl additif c’est-à-dire
Xt = b + εt .

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

QUELQUES TERMES
Soit Xt une observation d’une série chronologique.
b : la tendance de la chronique.
ε : le résidu de la série.
α : Un réel dans l’intervalle ]0 ;1[.
le modèle considéré est un modèl additif c’est-à-dire
Xt = b + εt .

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

QUELQUES TERMES
Soit Xt une observation d’une série chronologique.
b : la tendance de la chronique.
ε : le résidu de la série.
α : Un réel dans l’intervalle ]0 ;1[.
le modèle considéré est un modèl additif c’est-à-dire
Xt = b + εt .

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

QUELQUES TERMES
Soit Xt une observation d’une série chronologique.
b : la tendance de la chronique.
ε : le résidu de la série.
α : Un réel dans l’intervalle ]0 ;1[.
le modèle considéré est un modèl additif c’est-à-dire
Xt = b + εt .

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

QUELQUES TERMES
Soit Xt une observation d’une série chronologique.
b : la tendance de la chronique.
ε : le résidu de la série.
α : Un réel dans l’intervalle ]0 ;1[.
le modèle considéré est un modèl additif c’est-à-dire
Xt = b + εt .

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

DEMONSTRATION DE b̂
En utilisant la méthode LES alors la saisonnalité est nulle et la
tendance est constante donc les observations vont s’écrire
comme Xt = b + εt .
Alors εt = Xt -b.
On cherche une prévision sous la forme d’une constante b̂ qui
s’ajuste le mieux possible au sens des moindres carrés
pondérés au voisinage de T.
Alors b̂ est la solution du problème de minimisation de la
variation des résidus au voisinage de T pour mieux faire la
prévision de la valeur future.
Donc cherchons minb f (b)
T
X −1
Avec f(b)= (1 − α)αj (XT −j − b)2 .
j=0

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

DEMONSTRATION DE b̂
En utilisant la méthode LES alors la saisonnalité est nulle et la
tendance est constante donc les observations vont s’écrire
comme Xt = b + εt .
Alors εt = Xt -b.
On cherche une prévision sous la forme d’une constante b̂ qui
s’ajuste le mieux possible au sens des moindres carrés
pondérés au voisinage de T.
Alors b̂ est la solution du problème de minimisation de la
variation des résidus au voisinage de T pour mieux faire la
prévision de la valeur future.
Donc cherchons minb f (b)
T
X −1
Avec f(b)= (1 − α)αj (XT −j − b)2 .
j=0

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

DEMONSTRATION DE b̂
En utilisant la méthode LES alors la saisonnalité est nulle et la
tendance est constante donc les observations vont s’écrire
comme Xt = b + εt .
Alors εt = Xt -b.
On cherche une prévision sous la forme d’une constante b̂ qui
s’ajuste le mieux possible au sens des moindres carrés
pondérés au voisinage de T.
Alors b̂ est la solution du problème de minimisation de la
variation des résidus au voisinage de T pour mieux faire la
prévision de la valeur future.
Donc cherchons minb f (b)
T
X −1
Avec f(b)= (1 − α)αj (XT −j − b)2 .
j=0

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

DEMONSTRATION DE b̂
En utilisant la méthode LES alors la saisonnalité est nulle et la
tendance est constante donc les observations vont s’écrire
comme Xt = b + εt .
Alors εt = Xt -b.
On cherche une prévision sous la forme d’une constante b̂ qui
s’ajuste le mieux possible au sens des moindres carrés
pondérés au voisinage de T.
Alors b̂ est la solution du problème de minimisation de la
variation des résidus au voisinage de T pour mieux faire la
prévision de la valeur future.
Donc cherchons minb f (b)
T
X −1
Avec f(b)= (1 − α)αj (XT −j − b)2 .
j=0

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

DEMONSTRATION DE b̂
En utilisant la méthode LES alors la saisonnalité est nulle et la
tendance est constante donc les observations vont s’écrire
comme Xt = b + εt .
Alors εt = Xt -b.
On cherche une prévision sous la forme d’une constante b̂ qui
s’ajuste le mieux possible au sens des moindres carrés
pondérés au voisinage de T.
Alors b̂ est la solution du problème de minimisation de la
variation des résidus au voisinage de T pour mieux faire la
prévision de la valeur future.
Donc cherchons minb f (b)
T
X −1
Avec f(b)= (1 − α)αj (XT −j − b)2 .
j=0

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

DEMONSTRATION DE b̂
En utilisant la méthode LES alors la saisonnalité est nulle et la
tendance est constante donc les observations vont s’écrire
comme Xt = b + εt .
Alors εt = Xt -b.
On cherche une prévision sous la forme d’une constante b̂ qui
s’ajuste le mieux possible au sens des moindres carrés
pondérés au voisinage de T.
Alors b̂ est la solution du problème de minimisation de la
variation des résidus au voisinage de T pour mieux faire la
prévision de la valeur future.
Donc cherchons minb f (b)
T
X −1
Avec f(b)= (1 − α)αj (XT −j − b)2 .
j=0

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

A savoir
minb f(b) c’est la valeur pour laquelle f atteint son minimum.

Par définition, la valeur pour laquelle f(b) c’est-à-dire

T
X −1
(1 − α)αj (XT −j − b)2 est minimale en b̂.
j=0
Techniquement, cette valeur s’obtient au moment où la fonction
s’annulle en changeant de signe c’est-à-dire lorsque f’(b)=0.

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

calcul de f’(b)
T
X −1
∀ b ∈ R f’(b)=-2b(1 − α) αj (XT −j − b).
j=0

A savoir
P −1 j PT −1
NB :( T j=0 (X ))’= j=0 j(X
j−1 ).

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEFINITION DE QUELQUES TERMES
DEMONSTRATION DE b̂ LA PREUVE
CONCLUSION

recherche de b̂
En effet f’(b)=0
P −1 j
⇒ -2b(1 − α) T j=0 α (XT −j − b)=0
PT −1 j
⇒ j=0 α (XT −j − b)=0 ou b=0
P −1 j PT −1 j
⇒ T j=0 α XT −j = j=0 α b
PT −1 j
j=0 α XT −j
b̂= PT −1 j
j=0 α
1−α PT −1
Donc b̂ = 1−αT j=0 αj XT −j .

A savoir
T −1
X 1 − αT
αj = .
1−α
j=0

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEMONSTRATION DE b̂
CONCLUSION

CONCLUSION
En définitive nous rétenons que pour pouvoir démontrer que b̂ =
1−α PT −1 j
1−αT j=0 α XT −j on minimise la valeur du résidu de la
chronique et cette minimisation résoud le prolème des moindres
carrés.

2022-2023 EXPOSE
 INTRODUCTION
DEFINITION DE LA METHODE DE LISSAGE EXPONENTIEL SIMPLE(LES)
DEMONSTRATION DE b̂
CONCLUSION

MERCI DE VÔTRE AIMABLE

ATTENTION

2022-2023 EXPOSE