Académique Documents
Professionnel Documents
Culture Documents
Ces notes sont labores dans le but de faciliter la comprhension de lexpos. Elles contiennent toutes les formules utilises. Introduction On va traiter seulement les mthodes traditionnelles de prvision des sries chronologiques. I. Prvision dune chronique non saisonnire. Les mthodes de lissage sont utilises pour les sries considres comme stables sur le court terme A. Analyse par rgression.
i) Exercice sur EXCEL B. Le lissage exponentiel Si une srie chronologique (SC) est affecte par une tendance alatoire, alors on effectue le lissage exponentiel. Nous supposons que ce type de composante se prsente lorsque son volution nest pas modlisable par une forme fonctionnelle. Le lissage est lensemble des techniques empiriques qui consistent donner du poids aux valeurs rcentes de la SC. Le lissage exponentiel non saisonnier suppose structure de la faon suivante : ( ) ,
t t
( )
et E (
t,
t)=0
avec at=a=cst si t
+* *
+ +* +
avec at=a et bt =b si t
a) Formulation gnrale zt-1=b1xt-1+ b2xt-2++ bkxt-k+ avec b1> b2 > >bk > Elle reprsente la valeur lisse de la chronique xt calcule en t-1. Par hypothse et lorsque les paramtres sont estims, cette valeur lisse peut tre considre comme la valeur prvue de xt calcul en t-1 pour t. soit = ( Do or ( ( ) =b )k 0 k=1,2 et bk ( ) ) est la Somme dune progression gomtrique de raison (1- )<1,
do
k=
= (
=1
Sous cette forme, le lissage est une moyenne pondre de la dernire ralisation ( de la dernire valeur lisse ( ). Ou encore : Pour t = n + 1 ( En revanche Pour t= n + 2 ( ) ( )Le paramtre ) (
la constante de lissage. )
La valeur est inconnue. La seule information dont nous disposons est sa prvision . En substituant cette valeur dans lquation, on obtient et plus gnralement
avec
b) Utilisation du LES Dmonstration : En effet : ( ( ) ) Var( ) Var( ( ) ) or xt =at+ ( Do sur un intervalle local Var(xt)= et sont indpendantes. Tout calcul fait, on obtient
( ) ( )
) les variables xt et xt
Le rsidu (erreur) de la prvision effectue en t 1 pour t est : et =xt - Do : Var(et) =Var(xt) + Var( ) puisque xt et sont indpendants. Do Var(et) =Var(xt). / = Var(xt). /=
Prob{
} = 100(1- )
]}
Avec la valeur de loi normale centre rduite. Pour un intervalle de confiance 95%, nous avons IC= Exercice sur EXCEL N2.2 2) Le lissage exponentiel double. a) Formulation gnrale ( ) Nous avons ) ( ( )) = ( ) ( ) = ( ( ) ( )- = = Or = , Do zt-1= ( ( ) ) ( , ( ) ) ( ) -= ) (
(
( )
) (
) ( )
=a + b(
zt-1 =
) (
zt-1=
On appel zzt le LED, cest le lissage d zt et on effectue la mme dmonstration que ) ( ). prcdemment puisque zt-1 est encore une forme linaire : zt-1= ( On obtient zzt-1 = ( =( xt-1,zt-1,zzt-1 Nous pouvons donc crire : zt-1 = zt-1 - zzt-1 = Les formules prcedentes peuvent donc scrire quel que soit t : Soit : De mme
) )
( (
) )
).
Dans ces expressions sont des valeurs lisses ; les rsultats des calculs sont donc affcts linstant t-1 . Dans ces conditions la valeur trouve par le LED nest pas une valeur prvisionnelle. On choisit donc, comme pour le LES : Et = = +( + ( ) ) ( ( ) ) ( )
Les formules gnrales du LED sont donc les suivantes : (t= 2,,n+1) (h =2,3,) ( ( ) ( ) )
b) Utilisation du LED . Initialisation En t=1 nous avons : ( ( ) ) sont inconnus, les calcules dbutent en t=2 o seuls ne sont
Il existe diffrentes procdures dinitialisation pour le LED : La plus simple consiste choisir : Une autre approche cherche dduire pour t=1 : t=1 a1 =2x1- bt =( ) soit:
Construction dun IC de la prvision LIC de la prvision (ou sur un intervalle local) est calcule partir de la variance de lerreur de prvision donne par : Var(en,n+h) = Avec ( ), pour t = 1,,n et ) ,( Avec ) ( )( ) ( ) -
} = 100(1- )
13
( Avec IC=
Exercice sur EXCEL.N 2.3 c. Le modle avec tendance de Holt. d. Formulation Lissage de la moyenne : a = Le lissage de la tendance bt = ( ( )( ) ( ) )
Prvision calcule en t horizon de h priode : xt : valeur observe de la srie en t at : moyenne lisse de la srie t bt : tendance estim en t.
Xt =f(t, ) O t : temps : vecteur (k + 1, 1) des paramtres inconnus une fonction dpendante des paramtres et du temps. Ce modle scrit sous la forme matricielle suivante : xt : f(t) + f(t)=[f0(t),,fi(t),fk(t)] transpos du vecteur f(t) de dimension (k +1,1). Dans cette criture , le temps est une variable dpendante, f(t) est le vecteur des fonctions dajustement et il vrifie lcriture suivante : f ( t + 1 )= L . f ( t ) L(k+1,k+1) est appele matrice de passage. k est le degr du polynme qui doit sajuster aux donnes : ( ) L est une matrice triangulaire infrieure qui a pour lment gnrateur lij . Il est tel que lij = 0 lij = ( si i < j si i j
( )
L= 1. f(t) = [1 ; t ] 0 1.
Avec cette criture trs gnrale, les valeur du LEG de Brown sont obtenues partir de : Min ( ), ( ) -
( ) : Prvision de Lorsque les paramtres sont connus, nous pouvons rsoudre cette quation et obtenir les estimations suivantes pour t = n : ( ( ) ) ( ( ) ( ) )
La prvision calcule en t = n pour la date t=n + h est alors : = f(h) Il est possible comme pour les autres mthodes de construire des intervalles de confiances prvisionnels. On dmontre que : Var(en,n+h) = Avec , ( ) ( ) ( )-
} = 100(1- )
13
Avec IC=
II.
Prvision dune chronique saisonnire. A. Analyse par rgression. B. Utilisation des coefficients saisonniers Exercice sur EXCEL N 2.4 C. Prvision par lissage exponentiel de Holt-Winters 1) Le schma multiplicatif
Avec
si
= valeur observe de la srie en t = coefficient saisonnier en t P = priodicit des donnes ( p=12 en mensuel, p=4 en trimestriel) =tendance estime en t Dans certain critures du modle les coefficients saisonniers vrifient la proprit :
( ( (
) ) )
( ( (
)( ) )
si
( )