Académique Documents
Professionnel Documents
Culture Documents
1- Généralités
Prévoir les ventes, c’est fixer les quantités à vendre et/ou le chiffre d’affaires à réaliser.
Autre définition : « C’est la détermination du volume de vente optimum dans le contexte interne et externe de
l’entreprise. ».
Ce Ce qu'elle
qu'elle veutveut
Ce qu'elle peut
La prévision des ventes est « la pierre angulaire de la construction budgétaire ». Le budget des ventes est le pre-
mier budget à établir. Il conditionne tous les autres budgets.
Remarque : ce raisonnement sous-entend que l’on se situe dans une économie de marché. Il n’y a pas de pénurie au
niveau de la production (dans ce cas, c’est le budget de production qui serait primordial : les problèmes liés à
l’écoulement des ventes n’existant pas puisqu’il y a pénurie).
Exemples
TV plasma, LCD remplace tube cathodique
Magnétoscope disque dur remplace
Evolution technologique
bande magnétique
Appareil photo numérique remplace argentique
Téléphone portable
Evolution de Evolution du pouvoir
l'environnement d'achat et des mentalités Développement internet : achats…
Produits light, "alicaments",…
Lessives : poudres, concentrés, liquides, tablettes…
Réaction de la concurrence
Bons de réduction : Leclerc, CAMIF…
Vaccins antigrippe
Aléas climatiques
Tempête 1999 : couvreurs, assureurs…
Gamme de produits
Raisons plus ou moins étendue
internes
Rôle de la fonction recherche
Remarque : Il ne peut y avoir entre une variable économique et le temps qu’une relation fonctionnelle et non causale (le
temps n’est pas causal : un renversement de tendance ne peut être expliqué).
R2 = 0,9996
Chiffre d'affaires
2
R = 0,9559
Prévisions période 7
Prévisions période 6
1 2 3 4 5 6 7
Temps
Passé : calcul de la tendance Futur : extrapolation
passée Aujourd'hui
Ventes produit A Ventes produit B Linéaire (Ventes produit A) Exponentiel (Ventes produit B)
Remarques :
La recherche de l’équation de la droite d’ajustement (trend) peut se faire par plusieurs méthodes :
ajustement graphique : faire passer une droite au jugé le plus près possible de tous les points.
méthode des points extrêmes : la droite d’ajustement passe par les deux points extrêmes de la série, le premier
et le dernier.
méthode des points moyens ou méthode de MAYER : couper la série en deux sous-séries. La droite
d’ajustement passe par les points moyens de coordonnées P1(x1,y1) et P2 (x 2,y 2 )
méthode des moindres carrés.
ay(x) = Cov(x,y)
σ2x
xi - x . yi - y xi.yi
n n
i=1 i=1
Cov(x,y) = = - x.y
n n
2
xi - x
n n
xi 2
2
σ = V(x) =
2
X
i=1
= i=1
-x
n n
Application
De N à N + 6, l’indice de la consommation d’un produit P a évolué de la façon suivante :
Δy b . ax+1 - b . ax
b . ax . a - 1
y = b . ax =
=
a-1 Taux de croissance
Δx 1 b . ax Exemple : a = 1,2
a – 1 = 0,2 soit 20%
Rappels : log x.y = log x + log y
log xy = y.log x
Soit y = b . ax
log y = log (b . ax) = log b + log ax
log y = log b + x . log a
Y B A
Y = A.x + B
Application
Les ventes du bien P produit par l’entreprise JACQUET suivent une croissance exponentielle.
Déterminer les paramètres de la fonction d’ajustement et estimer les ventes des années N+5 et N+6.
A B C D E F G H
1 Rang 1 2 3 4 5 6 7
2 Ventes (en unités) 18 45 113 251 636 1 534 3 716
3 log (Ventes) 1,2553 1,6532 2,0531 2,3997 2,8035 Prévisions
4 a b
5 Equation de la courbe 2,4226 7,5873 {=LOGREG(B2:F2;B1:F1)}
6 A B
7 Equation de la droite 0,3843 0,8801 {=DROITEREG(B3:F3;B1:F1)}
8 a = 10A b = 10B Fonction réciproque
9 Equation de la courbe 2,4226 7,5873
10 Contrôle de la tendance du graphique e0,8848 = 2,4225
11
12 {=CROISSANCE(B2:F2;B1:F1;G1:H1)}
13
Y= A.x +B
Y= 0,3843 . x + 0,8801
y= b . ax
y= 7,5873 . 2,4226x
Prévisions :
Pour N+5 Rang : 6 y = 7,5873 . 2,42266 = 1 534
Pour N+6 Rang : 7 y = 7,5873 . 2,42267 = 3 716
3 500
0,8848x
y = 7,5873e
Ventes (échelle décimale)
3 000 2
R = 0,9994
2 500
2 000
1 500
1 000 636
251
500 113
18 45
0
1 2 3 4 5 6 7
Rang des années
10 000
y = 7,5873e0,8848x
636
Ventes (échelle logarithmique)
1 000
251
113
100 45
18
10
1
1 2 3 4 5 6 7
Rang des années
Cette relation représente les phénomènes pour lesquels l’élasticité de y par rapport à x est constante.
Ce schéma convient très souvent pour décrire l’évolution de la consommation en fonction du revenu ou des prix (fonction
de consommation), ou celle de la production en fonction du travail ou du capital (fonction de production).
Δy
e = y = Δy x
y/x
Δx Δx y
x
Rappel :
Δy = y'(x)
Δx
e = b . a . xa-1 . x = a
y/x
b . xa
Relation linéaire
Soit y = b . xa
log y = log (b . xa) = log b + log xa
log y = log b + a . log x
Y B X
Y=a.X+B
Application
Les ventes du bien Y de l’entreprise MUAU suivent un développement de tendance de fonction puissance.
A B C D E F G H
1 Rang 1 2 3 4 7 5 6
2 Ventes (en unités) 2 15 51 121 236 408 638
3 log (Rang) 0,0000 0,3010 0,4771 0,6021 0,6990 0,7782 Prévis.
4 log (Ventes) 0,301 1,1761 1,7076 2,0828 2,3729 2,6107
5 a B
6 Equation de la droite 2,9728 0,2928 {=DROITEREG(B5:G5;B3:G3)}
7 a b = 10B Fonction réciproque pour b
8 Equation de la courbe 2,9728 1,9624
9
Y= a.X +B
Y= 2,9728 . X + 0,2928
y= b . xa
y= 1,9624 . x2,9728
600
2,9728
y = 1,9624x
R2 = 0,9999
500
400
Ventes
300
200
100
0
1 2 3 4 5 6 7
Rang des années
1 000
2,9728
y = 1,9624x
Ventes (échelle logarithmique)
100
10
1
1 10
Rang des années (échelle logarithmique)
221- Principe
Il s’agit d’établir une corrélation entre les ventes y et un facteur x, soit y = f(x) x : facteur explicatif
Mathématiquement cette relation signifie qu’à toute variation de x correspond une variation de y : économiquement que
le facteur x influence de façon décisive l’activité commerciale de l’entreprise.
Exemple : la vente de moteurs électriques de moyenne puissance se trouve en corrélation avec l’indice de la production
industrielle. Toute variation de l’indice entraîne une variation concomitante de la vente de moteurs.
D’où : Ventes de moteurs = f(indice de la production industrielle)
Si l’on réussit à établir une relation liant les ventes à un facteur explicatif x : y = f(x), il faut pouvoir prévoir x,
ce qui repousse le problème. Mais la prévision d’une donnée sectorielle ou nationale est plus simple que celle d’une
donnée d’entreprise car des organismes s’en chargent : INSEE, CREDOC…
Les ventes ne dépendent pas toujours d’un seul facteur mais de plusieurs. On devra traiter de corrélation mul-
tiple.
La relation établie n’est valide que si l’environnement économique et financier est stable (toutes choses étant
égales par ailleurs).
Application 1 :
On cherche à estimer les ventes d’un produit X dans une région R1. On dispose de statistiques concernant les ventes de
ce produit dans trois régions différentes : R2, R3, R4.
Ventes en unités
Périodes 1 2 3 4 5 6
Région R1 8 20 29 41 49
Région R2 10 30 56 68 90 121
Région R3 7 15 13 17 20 19
Région R4 50 60 87 131 140 193
Quelle région vous paraît enregistrer l’évolution des ventes la plus comparable à celle de la région R1 ?
Estimer les ventes de la période 6 pour la région R1.
Soient R1, R2, R3 et R4 les ventes en unités de chacune des régions considérées.
C’est R2 qui est le plus corrélé avec R1 : R2 est la variable explicative de R1.
Exprimons les ventes de la région R1 en fonction des ventes de la région R2.
a b
0,514153 3,281035 {=DROITEREG(B3:F3;B4:F4)}
R1 = 0,514. R2 + 3,28
Prévision des ventes :
Pour R2 = 121 R1 = 65 unités
Gestion budgétaire des ventes 8
Application 2 :
er
Une entreprise a dressé une statistique de son chiffre d’affaires semestriel depuis le 1 janvier (N-4) jusqu’au 30 juin N.
Chiffre d’affaires
Semestre
(en milliers d'€)
S1- (N-4) 410
S2- (N-4) 470
S1- (N-3) 510
S2- (N-3) 570
S1- (N-2) 640
S2- (N-2) 720
S1- (N-1) 800
S2- (N-1) 890
S1- N 1 000
me er
Estimer le chiffre d’affaires du 2 semestre N et du 1 semestre (N+1)
Démarche à suivre :
Calcul du coefficient de corrélation :
o entre x et y
o entre x et log y
o entre log x et log y.
Calcul de l’équation de la fonction d’ajustement.
A B
Equation de la droite 0,0478873 2,5677101
Fonction réciproque a = 10A b = 10B
Equation de la courbe 1,1165735 369,58136
231- Généralités
Une série chronologique est une suite d’observations ordonnées en fonction du temps.
Exemples : effectif annuel de la population, niveau mensuel de l’indice des prix, chiffre d’affaires mensuel d’une entreprise,
nombre de mm de pluie par jour...
Porter un jugement sur une série chronologique est difficile en raison de variations périodiques plus ou moins régu-
lières qui peuvent masquer l’évolution fondamentale du phénomène. Il est donc indispensable d’analyser la série et
de séparer l’élément saisonnier des autres composantes.
Rappel des phases d’un cycle économique : prospérité-dépression-crise-reprise : cycles JUGLAR (8 ans), Kondratieff
(50 ans)
Remarque : ce facteur est assimilé au trend lorsque son influence est marginale ou indiscernable sur la période considé-
rée.
La somme : T + C s’appelle le mouvement extra-saisonnier.
Modèle ADDITIF Yt = Tt + Ct + St + Rt
Yt
6 18 15 3
7 16 16 0
8 14 17 -3
9 18 18 0
10 22 19 3
11 20 20 0
12 18 21 -3 t
13 22 22 0
Modèle MULTIPLICATIF Yt = Tt x Ct x St x Rt
Représentation graphique :
t Yt = Tt x St Tt St
1 10,0 10 1,0
2 13,2 11 1,2
3 15,6 12 1,3
4 15,6 13 1,2
5 14,0 14 1,0
6 12,0 15 0,8 Trend
7 11,2 16 0,7
8 13,6 17 0,8
9 18,0 18 1,0
10 22,8 19 1,2
11 26,0 20 1,3
Yt
12 25,2 21 1,2
13 22,0 22 1,0
14 18,4 23 0,8
15 16,8 24 0,7
16 20,0 25 0,8
17 26,0 26 1,0
18 32,4 27 1,2
19 36,4 28 1,3
20 34,8 29 1,2
21 30,0 30 1,0
22 24,8 31 0,8
23 22,4 32 0,7 t
24 26,4 33 0,8
Cas n°1
Soient P1, P2, P3, les couples (Ecart type/Moyenne) des 3 périodes représentées.
Schéma additif
Ecart type (Y)
Trend stationnaire
Yt
P1 ≈ P2 ≈ P3
Moyenne (Y) t
Cas n°2
Schéma additif
Ecart type (Y)
Yt
P1 P2 P3 Trend ascendant
t
Moyenne (Y)
Cas n°3
P1
Trend descendant
Ecart type (Y)
Yt
P2
P3
Schéma multiplicatif
Moyenne (Y)
t
Remarque : dans la suite de ce cours, nous n’envisagerons que les schémas de type
multiplicatif ; ces schémas correspondant aux usages les plus fréquents.
Application A :
Soit la série ci-dessous retraçant l’évolution trimestrielle des ventes d’un produit de grande consommation sur quatre an-
nées.
Dégager l’évolution à moyen terme du phénomène en calculant les moyennes mobiles d’ordre 4. Les reporter sur
le graphique précédent.
Ventes trimestrielles
4 000
3 900
3 800
3 700
3 600
3 500
3 400
3 300
3 200
3 100
3 000
Première étape : Calcul des moyennes mobiles (simples) m, non centrées de 4 trimestres consécutifs
La première moyenne des ventes couvre 4 trimestres. Elle est égale à
m1 = ¼ . (3 140 + 3 200 + 3 400 + 3 300) = 3 260.
Cette moyenne couvre 4 trimestres de rangs 1, 2, 3, 4. Elle n’est pas centrée sur un trimestre mais passe entre 2 et 3. La
médiane est le rang de trimestre 2,5.
Les moyennes suivantes sont obtenues par glissement des données. On enlève la première donnée du calcul de la
moyenne précédente et on ajoute les ventes de rang 5 : trimestre 1 de l’année 2.
m2 = ¼ . (3 140 + 3 200 + 3 400 + 3 300 + 3 460 ) = 3 340.
Cette période couvre 4 trimestres de rangs 2, 3, 4, 5. La médiane est le rang 3,5…
Seconde étape : calcul des moyennes mobiles (doubles) centrées M de 2 moyennes non centrées m consécutives
Pour éviter que les rangs ne soient pas entiers, on calcule à nouveau la moyenne des données prises 2 à 2.
M1 = ½ . (m1+ m2) = ½ . (3 260 + 3 340) = 3 300. Cette moyenne couvre les trimestres de rangs 2,5 et 3,5 dont la médiane
est 3.
M2 = ½ . (m2+ m3) de rang 4….
Application B :
Soit la série ci-dessous retraçant l’évolution trimestrielle des ventes d’un produit de grande consommation sur quatre an-
nées.
Dégager l’évolution à moyen terme du phénomène en calculant la droite d’ajustement. La reporter sur le gra-
phique précédent.
7 000
6 000
5 000
y = 73,426x + 2864
4 000
3 000
2 000
1 000
Le calcul des coefficients saisonniers se fait par la méthode des rapports à la tendance générale.
Application A (suite)
Ventes observées V
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
N-3 3 140,00 3 200,00 3 400,00 3 300,00
N-2 3 460,00 3 600,00 3 900,00 3 700,00
N-1 3 560,00 3 720,00 3 840,00 3 460,00
N 3 520,00 3 620,00 3 720,00 3 340,00
V/T
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total
N-3 1,03 0,97
N-2 0,99 1,00 1,06 1,00
N-1 0,96 1,01 1,05 0,96
N 0,98 1,02
Moyenne 0,98 1,01 1,05 0,98 4,02
Coefficients
ajustés 0,98 1,00 1,04 0,98 4,00
Remarque : en cas de travail sur tableur, cette dernière étape peut être ignorée à la condition de ne pas arrondir les pre-
mières estimations.
Application B (suite)
Ventes observées V
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4
N-3 2 400 3 060 4 600 2 200
N-2 2 600 3 300 5 100 2 400
N-1 2 800 3 600 5 500 2 600
N 3 020 3 880 5 950 2 800
2351- Coefficients saisonniers calculés à partir d’une série désaisonnalisée à l’aide des
moyennes mobiles doubles
La méthode des moyennes mobiles ne permet pas de calculer le trend. Il doit donc être estimé de manière empirique.
Ventes prévisionnelles
Année Trimestre 1 Trimestre 2 Trimestre 3 Trimestre 4 Total
Coefficients
0,98 1,00 1,04 0,98 4,00
saisonniers
N+1 3 381,00 3 450,00 3 588,00 3 381,00 13 800,00
241- Généralités
Les méthodes de lissage reposent sur l’utilisation de séries chronologiques historiques afin de construire des
séries chronologiques prévisionnelles.
xi
Soit : St+1 = i=t-n+1
n
Remarques : le nombre de périodes n sur lequel est calculée la moyenne mobile est un élément déterminant de la
qualité du modèle :
si n est faible : le modèle repère rapidement les modifications de tendance ou de conjoncture mais est
très sensible aux fluctuations aléatoires ;
si n est élevé, le modèle élimine mieux les variations exceptionnelles mais la sensibilité aux retourne-
ments de tendance et de conjoncture sera moindre.
170 000
165 109
158 966
150 000
130 000
110 000
90 000
70 000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
Moyennes Moyennes
Ventes
Données mobiles sur 3 mobiles sur 6
réelles
mois mois
1 95 019
2 93 407
3 102 347
4 86 251 96 924
5 98 037 94 002
6 111 587 95 545
7 93 949 98 625 97 775
8 97 143 101 191 97 596
9 101 535 100 893 98 219
10 109 786 97 542 98 084
11 112 574 102 821 102 006
12 116 790 107 965 104 429
13 100 356 113 050 105 296
14 132 486 109 907 106 364
15 131 456 116 544 112 255
16 125 670 121 433 117 241
17 139 723 129 871 119 889
18 151 280 132 283 124 414
19 134 571 138 891 130 162
20 140 803 141 858 135 864
21 168 765 142 218 137 251
22 148 900 148 046 143 469
23 174 890 152 823 147 340
24 157 943 164 185 153 202
25 162 495 160 578 154 312
26 Prévisions 165 109 158 966
De façon générale, l’utilisation d’un modèle de moyennes mobiles présuppose implicitement que la tendance est cons-
tante. En cas de modification de la tendance, il y aura toujours un certain retard de la prévision par rapport à la
réalisation.
Avec un raisonnement par récurrence, on démontre facilement que St+1 est une moyenne de toutes les observations pas-
sées, pondérée par des coefficients décroissants avec le temps.
St+1 = x t + 1- x t-1 + 1- x t-2 +... + 1- x t-n+1 + 1- St
2 n-1 n
Exemple :
Pour trouver un optimum entre la stabilité du système de prévision et sa sensibilité, il faut procéder à des essais de coeffi-
cients .
2
Dans l’exemple suivant, on constate que le cœfficient de détermination (r ) liant prévisions et réalisations est meilleur avec
= 0,5.
Cette méthode ne s’applique efficacement qu’à des séries stationnaires, comme la méthode des moyennes mobiles.
Ventes
Données Lissage simple Lissage simple
réelles
Alpha 0,8 0,5
1 95 019
2 93 407 95 019 95 019
3 102 347 93 729 94 213
4 86 251 100 623 98 280
5 98 037 89 125 92 266
6 111 587 96 255 95 151
7 93 949 108 521 103 369
8 97 143 96 863 98 659
9 101 535 97 087 97 901
10 109 786 100 645 99 718
11 112 574 107 958 104 752
12 116 790 111 651 108 663
13 100 356 115 762 112 727
14 132 486 103 437 106 541
15 131 456 126 676 119 514
16 125 670 130 500 125 485
17 139 723 126 636 125 577
18 151 280 137 106 132 650
19 134 571 148 445 141 965
20 140 803 137 346 138 268
21 168 765 140 112 139 536
22 148 900 163 034 154 150
23 174 890 151 727 151 525
24 157 943 170 257 163 208
25 162 495 160 406 160 575
26 Prévisions 162 077 161 535
r2 entre ventes réelles
0,7516 0,8045
et ventes lissées
150 000
130 000
110 000
90 000
70 000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27
Ventes réelles Lissage avec alpha = 0,8 Lissage avec alpha = 0,5
Le regroupement peut être centré sur la production, l’aspect commercial voire financier. Parfois la gamme impose un ou
plusieurs types de classement. Les ventilations peuvent se recouper dans certains cas.
Mois J F M A M J J O N D
Ventes 8 200 8 220 8 450 8 610 8 790 9 030 9 200 9 380 9 630 9 840
La société ELECTRO souhaite établir des prévisions de ventes relatives au produit nouveau X pour l’année N+1. Les
services commerciaux disposent des informations suivantes :
les ventes du produit X seraient analogues, la première année, à celles constatées pour l’appareil Y déjà fabriqué et
vendu par ELECTRO ;
les statistiques fournies par un organisme professionnel ont révélé, pour l’année N, l’existence d’une corrélation entre
le volume des ventes des appareils ménagers Y et la variation d’un indice de consommation ;
il existe un décalage moyen d’un mois entre la production et la vente ;
les services commerciaux et les services de production ont fourni à l’équipe de gestionnaires dont vous faîtes partie
les renseignements figurant en annexe.
1. Calculer le coefficient de corrélation entre le volume des ventes des appareils Y et les indices de consomma-
tion pour l’exercice N. Interpréter le résultat obtenu.
2. Etablir les prévisions mensuelles des ventes et de production du produit X pour l’année N+1 (arrondir à la
dizaine la plus proche les prévisions mensuelles).
ANNEXE
A- Production de l’appareil Y en N
Janv. Févr. Mars Avr Mai Juin Juil Août Sept Oct Nov Déc
4 000 4 600 4 700 4 070 3 800 3 810 3 680 4 000 4 070 4 020 5 250 4 300
C- Indices de consommation en N
Janv. Févr. Mars Avr Mai Juin Juil Août Sept Oct Nov Déc
140 113 150 160 115 103 101 90 110 115 112 179
Janv. Févr. Mars Avr Mai Juin Juil Août Sept Oct Nov Déc
145 120 152 164 118 105 100 92 115 125 110 180
Année 1 2
Trimestre T1 T2 T3 T4 T1 T2
Quantités vendues 255 330 435 570 740 960
1. A la lecture de ces statistiques, l’hypothèse d’une croissance exponentielle des ventes peut-elle être rete-
nue ?
x
2. Déterminer les paramètres de la fonction y = ba liant les quantités vendues (y) au rang du trimestre (x), en
procédant à un ajustement par la méthode des moindres carrés. (Les calculs seront arrondis au centième).
er
3. Présenter sous forme de tableau les prévisions trimestrielles de ventes, du 1 juillet N+1 au 31 décembre
N+1. (Les quantités seront arrondies à la dizaine la plus proche).
5. Donner une estimation des ventes en volume pour les quatre trimestres de l’année N+4.
La société Nadone a établi ses statistiques de ventes annuelles de yaourts au cours des huit dernières années.
Années 1 2 3 4 5 6 7 8
Ventes (millions d'euros) 300 325 290 280 310 330 280 320
Elle cherche à déterminer le montant des ventes de yaourt de l'année prochaine par un lissage exponentiel.
2. Déterminer rétrospectivement les ventes prévisionnelles des années 2 à 8 par un lissage exponentiel
(coefficient de lissage : 30 %). On admettra, pour l'année 1, que la réalisation a été égale à la prévision.
6- Travaux dirigés
61- Cas SAISONS
A partir de la série ci-dessous et en utilisant tableur et grapheur, vérifier le cycle saisonnier et établir les prévi-
sions de chiffre d’affaires de l’année 6.
Procédure :
Télécharger le fichier de base,
Vérifier la saisonnalité en représentant graphiquement les 5 séries annuelles, l’abscisse du graphique correspon-
dant aux 12 mois d’une année,
Calculer le trend graphiquement avec les 60 mois en abscisse. Contrôler le trend par le calcul.
Calculer les coefficients saisonniers,
Etablir les prévisions de l’année 6.
Calculez les moyennes mobiles qui auraient servi de prévisions pour les mois : 13, 14, 15, 16 ... 28. On
prendra n = 12.
Représentez graphiquement la statistique des ventes et les moyennes mobiles.
Comme on peut le constater, l'écart entre prévisions et ventes réelles est assez considérable. En effet, dans le cas d'un
phénomène comportant une tendance à la hausse (ou à la baisse), la moyenne mobile est toujours inférieure (ou supé-
rieure) aux données réelles.
Il est intéressant alors d'utiliser la méthode des moyennes mobiles doubles. Cette méthode consiste simplement à calculer
les moyennes mobiles des moyennes mobiles simples. On remarque que l'écart entre les moyennes mobiles doubles et
les moyennes mobiles simples est à peu près égal à l'écart existant entre les valeurs réelles et les moyennes mobiles
simples. Ainsi, dans le cas d'une tendance à la hausse, la prévision sera obtenue en ajoutant à la moyenne mobile simple
l'écart entre la moyenne mobile simple et la moyenne mobile double.
Calculez les moyennes mobiles doubles et représentez-les sur le graphique précédent. En déduire les
prévisions relatives aux mois 25, 26, 27, 28.
L'entreprise souhaite expérimenter le lissage exponentiel. Dans son principe, cette technique revient à calculer une
moyenne arithmétique pondérée de l'ensemble des valeurs observées dans le passé. La pondération est d'autant plus
faible que l'observation est plus ancienne. La formule générale du lissage exponentiel est la suivante :
St+1 = α.xt + (1 - α).St
Avec :
St+1 prévision pour la période t + 1,
St prévision de la période t,
xt valeur observée à la période t,
α nombre compris entre 0 et 1, fixé de façon expérimentale.
ème
Faites les prévisions avec cette nouvelle technique, mais seulement à partir du 14 mois inclus
(prendre α = 0,4 et S13 = 810).
Le lissage exponentiel, comme la moyenne mobile, donne, dans le cas d'un trend ascendant, des résultats toujours infé-
rieurs aux valeurs réelles. La prévision peut alors être améliorée par utilisation du lissage exponentiel double. Les valeurs
obtenues par lissage exponentiel double sont données par la relation :
S't+1 = α.St + (1 - α).S't
Calculez les valeurs obtenues par lissage exponentiel double (α = 0,4 et S' 13 = 810).
La technique du lissage exponentiel est supérieure à celle des moyennes mobiles dans la mesure où elle donne un poids
plus important aux observations récentes (dans le cas des moyennes mobiles toutes les observations ont le même poids).