LE LISSAGE EXPONENTIEL
– Pour éviter la complexité inhérente à la méthode des
moyennes mobiles, on préfère souvent utiliser la méthode du
lissage exponentiel.
– Cette méthode permet de faire des prévisions pour une
période donnée à partir des données des périodes passées.
– Principe :
On n’accorde pas la même importance pour toutes les
données passées. Plus une donnée est récente, plus elle aura
du poids dans la prévision. Ce principe est matérialisé à l’aide
de la pondération.
• Formule :
– Soit Pt la prévision pour la période t
– Soit Rt la réalisation pour la période t
– Soit α coefficient de lissage (0 < α < 1)
• La prévision pour la période t +1 est :
– Pt+1 = α Rt + α(1-α) Rt-1+ α(1-α)2 Rt-2 +…..+α(1-α)k Rt-k+…..
– Les facteurs successifs (1-α)k sont de plus en plus faibles
puisque (1- α) est inférieur à 1.
• Ainsi les pondérations successives donnent de moins en moins de
poids aux données réelles éloignées dans le passé.
– Si α est fort (0.8) l’effacement du passé est rapide.
– Si α est faible (0.2) l’effacement du passé est lent.
• Formule simplifiée :
– La formule précédente est un développement théoriquement
illimité, elle présente quelques difficultés d’applications et il est
préférable de procéder différemment.
• Soit les prévisions pour les périodes t et t+1
– (1) : Pt = α Rt-1 + α (1-α)Rt-2+α(1-α)2 Rt-3+…..+α(1-α)k-1 Rt-k
– (2) : Pt+1 = α Rt + α(1-α)Rt-1 +α (1-α)2 Rt-2 +…+α(1-α)k Rt-k
• Multiplions les deux membres de (1) par (1- α)
– (3) : (1-α) Pt = α (1-α) Rt-1 +α(1-α)2 Rt-2 +α(1-α)3 Rt-3 +…+α(1-α)k Rt-k
• Soustrayons membre à membre( 2) et ( 3) :
– (2) – (3) : Pt+1- (1-α) Pt = α Rt → Pt+1 =α Rt +(1-α)Pt
• Cette formule permet d’obtenir chaque prévision à partir de la
prévision et de la réalisation précédentes.
• Remarques :
- le lissage exponentiel est adapté à des séries chronologiques qui
ne présentent que des variations irrégulières ( aléatoires ) pas de
tendance à la hausse ou la baisse, pas de variations saisonnières.
– Choix de α - empirique par des essais successifs,
- intuition du manager.
– Problème de détermination de la première prévision (on ne dispose
pas de la réalisation et de la prévision précédentes).
• On ignore donc la prévision de la première période et on la
remplace par la première réalisation.
• Ceci ne diminue en rien la validité de la méthode puisque dans tous
les cas la pondération de la première période tend vers 0.
• Application :
– Soit les ventes des six années suivantes :
Année 2000 2001 2002 2003 2004 2005
ventes 570 550 560 570 560 565
• On choisit α = 0.8
– V2001 = 0.8x570 + 0.2x570 = 570
– V2002 = 0.8x550 + 0.2x570 = 554
– V2003 = 0.8x560 + 0.2x554 = 558.8
– V2004 = 0.8x570 + 0.2x558.8 = 567.76
– V2005 = 0.8x560 + 0.2x567.76 = 561.55
Récapitulation pour α = 0,8 :
Années 2000 2001 2002 2003 2004 2005
Réalisations 570 550 560 570 560 565
prévision - 570 554 558.8 567.76 561.55
|R-P| - 20 6 11.2 7.76 3.45
• On a la somme de |R-P| = 48.41
• On choisit maintenant α = 0.7
– V2001 = 0.7x570 + 0.3x570 = 570
– V2002 = 0.7x550 + 0.3x570 = 556
– V2003 = 0.7x560 + 0.3x556 = 558.8
– V2004 = 0.7x570 + 0.3x558.8 = 566.64
– V2005 = 0.7x560 + 0.3x566.64 = 561.99
• Récapitulation Pour α = 0,7 :
Année 2000 2001 2002 2003 2004 2005
Réalisation 570 550 560 570 560 565
Prévision - 570 556 558.8 566.64 561.99
R-P - 20 4 11.2 6.64 3.01
• La somme de |R-P| = 44.85
– α = 0,7 Donne un écart plus faible entre R et P, donc
utilisation de α = 0.7
– V2006 = 0.7x565 + 0.3x561.99 = 564.09
– V2006 = 564
• Représentation graphique avec α= 0,7
580,00
560,00
540,00
520,00
500,00 Réalisation
480,00 Prévision 0,7
460,00
440,00
420,00
400,00
1999 2000 2001 2002 2003 2004 2005 2006
