Séance 8

Méthodes quantitatives des prévisions

Série Chronologique : Méthode linéaire

1) Méthode des moyennes mobiles simple

Cette méthode consiste à faire la moyenne arithmétique de n donnée consécutives. À chaque

nouvelle période, la donnée la plus ancienne sera remplacée par celle de la période traitée la
plus récente. Chaque moyenne est affectée à la période moyenne (il est donc préférable de
choisir un nombre impair de données consécutives) ou à une période de référence.

A chaque nouvelle période, la donnée la plus ancienne est remplacée par la plus récente
(mobile). Afin d’ obtenir une valeur pour les p derniers mois , il faut calculer de la façon
suivante :
Pn = (Dn-1+Dn-2+….+ Dn-p) / p

Où : Di demande du mois i et Pn la prévision de la période n.

Exemple : moyenne mobile d’ordre quatre - au début de la période n (le jour par exemple, ou
la semaine, le mois) la prévision de la demande de la période n sera égale à :
Pn = (Dn-1+Dn-2+Dn-3) /3

PERIODE DEMANDE PREVISION

P1 500 (500+150+600)/3
P2 150 Prévision de la P4 est la
P3 600 moyenne de P1 à P3
P4 400 416,67
P5 350 383,33
P6 780 450,00
P7 630 510,00
P8 700 586,67
P9 800 703,33
P10 880 710,00
P11 700 793,33
P12 600 793,33
P13 540 726,67
P14 320 613,33

Remarque : Pn est maintenant connue, ce sont les valeurs passées qui sont utilisés pour la
prévision, bien sûr au début de n+1 ….. d’où le nom de moyennes mobiles

Avantage: elle implique un stockage important de données et un certain nombre de calculs,

mais elle est simple à mettre en œuvre sur un ordinateur et elle est peu coûteuse.
Inconvénient : elle « traîne » derrière l’évolution de la consommation passée puisque, à tout
instant, on ne prend en compte que des moyennes de valeurs antérieures.
 Moyenne mobile « traînant » derrière les valeurs réelles
60

40

20
demande réelle
Moyenne mobile
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

Pour calculer une prévision par la moyenne mobile, il est nécessaire de stocker les N dernières
valeurs observées, sinon il faut les remplacer par le lissage exponentiel.

Exercice 1 :

Utilisation de la méthode de la moyenne mobile simple pour estimer la demande moyenne

a. Calculez la prévision en moyenne mobile simple pour la semaine 4 en fonction des chiffres
des trois semaines précédentes pour l'arrivée des patients à la clinique. Voici
les chiffres des trois dernières semaines :
Semaine Nombre d’arrivée
1 400
2 380
3 411

b. Si le nombre réel d'arrivées de patients au cours de la semaine 4 est de 415, quelle est la
prévision pour la semaine 5 ?
Tracer les courbes de cette étude .

2) Le lissage exponentiel simple

La méthode de lissage prend en compte la prévision de la période antérieure. À cette prévision,

l’on augmente l’écart subit, pondéré d’un coefficient α compris entre 0 et 1.
Cette méthode est probablement la plus connue pour la prévision de la demande des articles.
La prévision pour la période n est celle de la période n–1 corrigée proportionnellement à
l’écart Dn-1 – Pn-1 entre la demande réelle et la prévision qui avait été faite pour la période
précédente :
Pn= α Dn-1 + (1- α ) Pn-1

Avec : Pn (Prévision de la période n)

Pn-1 (Prévision de la période antérieure n-1)
α (coefficient de lissage)
Dn-1 (demande réelle de la période antérieure n-1)

où α est un coefficient compris entre 0 et 1.

• si α = 0, la prévision de n est la même que celle de n–1.
 • si α = 1, la prévision de la période n = la demande réelle de la période n–1,
En effet : Pn = Pn-1 + Dn-1 – Pn-1 = Dn-1
Dans la pratique, le coefficient α est proche de 1 lorsque la demande est très fluctuante.
le coefficient est plus proche de 0 pour une demande stable et qui ne présente pas de
variation cyclique significative.
Cette méthode implique les demandes réelles passées :
Pn = Pn-1 + α(Dn-1 – Pn-1) = αDn-1 + (1 – α)Pn-1
or Pn–1 = Pn–2 + α(Dn-2 – Pn-2) = αDn-2 + (1 – α)Pn-2
donc Pn = αDn-1 + α(1 – α)Dn-2 + (1 – α)2Pn-2
En poussant plus loin la substitution, on obtient la relation générale :
Pn = αDn-1 + α(1 – α)2Dn-2 + α(1 – α)3Dn-3 + …

Remarque :
- La relation entre le coefficient α et une moyenne mobile à N périodes est
approximativement donnée par α = 2/(N + 1).
- Pour la première période, aucune prévision plus ancienne n’est disponible et le mieux
qu’on puisse faire est d’utiliser la valeur observée.

Exercice 2 :
Le tableau indique les valeurs calculées de la prévision pour α =0.1, α =0.5 et α =0.9.
Compléter le tableau :

Mois Période Demande Valeur lisser Valeur lisser Valeur lisser exp
observé exp α=0.1 exp α=0.5 α=0.9
Janv. 1 2000 ---- ---- -----
Fév. 2 1350
Mars 3 1950
Avril 4 1975
Mai 5 3100
Juin 6 1750
Juillet 7 1550
Août 8 1300
Sept. 9 2200
Oct. 10 2775
Nov. 11 2350
Déc. 12 -----

Établir une analyse du carrée moyen de l’erreur et l’écart absolu moyen pour comparer et
choisir entre ces trois valeurs de α ? Donner une interprétation.
 Série Chronologique : Méthode avec Tendance

1) Moyenne Mobile double

La méthode des moyennes mobiles doubles corrige l’écart entre la prévision et sur la demande
réelle ; c’est à dire que la prévision faite pour la période test toujours plus faible que la
demande réelle à cette même période. Pour calculer la moyenne mobile double, il Il suffit de
considérer la moyenne mobile simple comme une donnée de demande et de calculer la
moyenne mobile de ces moyennes.
Soit :
• M1t = la moyenne mobile simple calculée à la période t ;
• M2t : la moyenne mobile double calculée à la période t.

Avec :

Exemple :

PERIODE DEMANDE PREVISION Prévision

t (Dt) M1t sur N= 5 M2t sur 5
P1 50
P2 50
P3 50
P4 50
P5 50 50
P6 50 50
P7 50 50
P8 50 50
P9 50 50 50
P10 50 50 50.12
P11 53 50.6 50.48
P12 56 51.8 51.20
P13 59 53.6 52.40
P14 62 59 52.20
P15 65 59 54.20
P16 68 62 56.48
P17 71 65 59.12

Les résultats des calculs de la moyenne mobile simple et double sont utilisés dans les
formules servent à calculer la prévision.
St = 2 M1t - M2t
Gt = (2/N-1) (M1t - M2t)
Pt+m = St + (m × Gt)
Où Pt+m est la prévision faite pour la période t+m et N est le nombre de périodes utilisées
dans le calcul des moyennes mobiles.
Supposons que nous soyons actuellement à la période 17 et que nous voulions développer
une prévision pour la période 20. À partir des calculs précédents :

S17 = 2 M117 – M217

G17 = (2/N-1) (M17 - M’17)
P17+3 = S17 + (3 × G17)

À la période 17, la prévision des ventes pour la période 20 est de 79.7 unités.

2) Le lissage exponentiel Double

Il existe plusieurs modèles utilisant le lissage exponentiel double pour les prévisions. Le

modèle que nous présentons ici s'applique aux séries avec tendance linéaire. Il comporte

deux constantes de lissage prenant chacune des valeurs entre 0 et 1:

· α est utilisé pour lisser les variations aléatoires dans la demande

· 𝛃 est utilisé pour lisser les variations dans l'estimé de la pente

Avec les mêmes étapes que celles utilisées pour la discussion des moyennes mobiles

doubles, nous pouvons résumer les étapes de calcul du lissage exponentiel double par les

trois équations de la prévision suivante :

Pi = α Di + (1- α) (Pi-1+ Ti-1)

Ti = 𝛃 (Pi - Pi-1 ) + (1- 𝛃) (Ti-1)
Pi+1= Pi + Ti

Avec : Pi : la prévision à la période i ;

Di :Demande réelle au temps i;
Ti : l’estimation de la tendance à la période i.
Pi+1 : Prévision de la demande pour la période i+1
Exercice 3:
Compléter le tableau :

Période Demande Lissage Lissage expo Pi Ti Pi+1

Di expo Simple (𝛃 =0.3)
Simple
(α=0.3)
1 143
2 152
3 161
4 139
5 137
6 174
7 142
8 141
9 162
10 180
11 164
12 171
13 206
14 193
15 207
16 218

1- Effectuer une prévision pour le 17éme, le 18ème et le 20ème mois et Interpréter?

De manière très simple, on peut poser

P0 = D0 (première observation)
T0 = D1 - D0 ou (D3 - D0) / 3

2- Refaire l’exercice 3 avec des combinaisons de α et β différentes et tracer la courbe

pour chaque combinaison. Donner une ’interprétation pour chaque cas (Pour faciliter
la tâche utiliser Excel)

Remarque :
Il est possible de déterminer les valeurs de α et 𝛃 qui minimisent le MSE (Moyenne du carré
des erreurs). Pour se faire, il faut définir une grille de valeurs possibles de α et 𝛃 (par exemple,
chaque combinaison de α = 0.1, 0.2, 0.3,...,0.9 et 𝛃 = 0.1, 0.2, 0.3,...,0.9), calculer pour chaque
combinaison le MSE et choisir la combinaison de α et 𝛃 qui a la plus petite MSE.

Veuillez m’envoyer les trois exercices directement à m’adresse mail

Merci et Bon Courage