LES PRVISIONS

Notion de srie chronologique

Quest-ce?
Exemple
Composition

Types de sries chronologiques

Notion derreur de prvision

Prvisions sur les donnes historiques
Intervalles de confiance
Classification des mthodes de prvision
Typologie

Processus de prvision
Modle
Quest-ce quune prvision et que
prvoit-on exactement
Prvisions et gestion des stocks

NOTION DE SRIE
CHRONOLOGIQUE
Priodes
1
2
3
4
5
6
7
8
9 10
1060 1426 1174 916 888 1283 1056 1295 1268 ?
Demande
2 000 -

1 000 -

Srie chronologique ou srie temporelle ou

srie de consommations
1

10

SRIE CHRONOLOGIQUE
Xt, t = 1, , T
640
620

demande

600
580
560
540
520
1

10

11

12

13

14

15

QUEST-CE QUI ENGENDRE

LES CONSOMMATIONS
Des facteurs multiples, dont certains sont
inexplicables:
composantes structurelles
variation alatoires

Estimation des composantes structurelles:

partie facile

Estimation des variations alatoires:

partie difficile

LA STRUCTURE DE LA
DEMANDE
STRUCTURE DE LA DEMANDE
niveau
niveaumoyen
moyen

tendance
tendance

variations
variationssaisonnires
saisonnires

variations
variationsalatoires
alatoires

TYPES DE SRIES
CHRONOLOGIQUES
Sries stationnaires, semi stationnaires et non
stationnaires
Tendances additives et multiplicatives
Cycles saisonniers additifs et multiplicatifs

SRIES STATIONNAIRES
Le niveau moyen des observations est constant
140
120
100
80
60
40
20
0
1

11

13

15

17

19

21

23

25

SRIES SEMI STATIONNAIRES

Le niveau moyen des observations varie peu et lentement
140
120
100
80
60
40
20
0
1

11

13

15

17

19

21

23

25

SRIES NON STATIONNAIRES

Le niveau moyen des observations nest pas constant
600
550
500
450
400
350
300
250
1

11

13

15

VARIATIONS ALATOIRES
SEULEMENT
La position de chacune des observations est uniquement
dtermine par un processus stochastique stationnaire
120
115

demande

110
105
100
95
90
85
80
1

11
priode

16

21

TENDANCE POSITIVE ET
NGATIVE
Observations croissantes

2500
2300
1900
1700
1500
1300
1100
900
1

11

16

21

26

31

36

2500

priode

2300
2100
demande

demande

2100

1900
1700
1500
1300
1100
900
1

Observations dcroissantes

11

16

21

priode

26

31

36

TENDANCE ADDITIVE ET
MULTIPLICATIVE
Le taux de croissance est constant

Le taux de croissance est non constant

2350

1100

2150

1000

1950

demande

demande

1200

900
800

1750
1550
1350
1150

700

950
600

750

500

550
1

11

priode

21

11

priode

21

VARIATIONS SAISONNIRES
La position des observations est due un effet cyclique priodique
et rcurrent
600

demande

550
500
450
400
350
300
1

11

16

21

priode

26

31

36

EFFETS SAISONNIERS
ADDITIFS ET MULTIPLICATIFS
Leffet saisonnier est le mme
dun cycle lautre
a

Leffet saisonnier est amplifi

dun cycle lautre
b

800

750

750

700

700

650

650

600

600

demande

demande

800

550
500

550
500

450

450

400

400

350

350

300

300
1

11
priode

21

11
priode

21

CONSOMMATION LENTE
Taux de la demande faible et demandes sporadiques
4

demande

3
2
1
0
1

priodes

10

11

12

LE PROCESSUS DE PRVISION
Choix du
modle de
prvision

Donnes
Donnes
historiques
historiques

rvision
du
choix du
modle
Prvisions
Calcul des erreurs
de prvision

rvision des
prvisions

valuation subjective
des prvisions

QUEST-CE QUUNE PRVISION

...

ET QUE PRVOIT-ON
EXACTEMENT?

IMPORTANCE DES PRVISIONS

DE LA DEMANDE
Un bon systme de prvision peut aider diminuer
les stocks de scurit ncessaires pour fournir le
niveau de service la clientle requis parce que ces
stocks dpendent de lampleur des erreurs de
prvision;
les stocks de scurit requis ne dpendent pas
seulement du niveau ou de la variation de la
demande, mais aussi de notre capacit bien prvoir
ce niveau et ces variations.

PRVISIONS ET ERREURS DE
PRVISION
Mthode de prvision qui tient
compte de la saisonnalit et de la
tendance de la demande du produit
D
e
m
a
n
d
e

45
40
35
30
25
20
15
10
5
0

Mthode de prvision qui nglige la

saisonnalit et la tendance de la
demande du produit
D
e
m
a
n
d
e

1 3

5 7 9 11 13
Temps

45
40
35
30
25
20
15
10
5
0

1 3

5 7 9 11 13
Temps

distribution de probabilit
des erreurs de prvision

LCART-TYPE DE LA
DISTRIBUTION DES ERREURS
prvision ()
0,2
0,18
0,16
0,14
0,12
0,1

0,08
0,06
0,04

0,02

0
20

22

24

26

= cart type

28

30

32

34

36

38

SS SS SS
SS = stock de scurit

NOTION DERREUR DE
PRVISION

et = X t - Pt
ou

e t = Pt - Xt

PRVISIONS SUR LES

DONNES HISTORIQUES
Observations futures
Donnes historiques
X1

X2

X3

X4

Prvisions sur les donnes

historiques partir de donnes
antrieures

X5

X6

P5

P6

Xt

Xt+1

Xt+2

Pt+1

Pt+2

Prvisions pour les priodes futures

partir des donnes historiques

CLASSIFICATION DES
MTHODES DE PRVISION
NATURE DES PRVISIONS
OBJECTIVE

SUBJECTIVE

C
A
D
R
E
C
O
N
C
E
P
T
U
E
L

E
X
T
R
A
P
O
L
A
T
I
O
N

Mthodes exploratoires

diagrammes et graphiques
ajustement de courbes
analogies
mthode DELPHI
sondages, entrevues et runions
jeux de rles

Mthodes de sries chronologiques

Mthodes normatives

E
X
P
L
I
C
A
T
I
F

matrices de dcision
arbre de dcision
analyse de systmes
simulations

moyennes mobiles
lissages exponentiels
modles ARIMA
mthodes adaptatives
mthodes de dcomposition

Mthodes causales

rgression linaire simple

rgression linaire multiple
rgression non linaire
modles conomtriques
modles multivaris

LES MTHODES DE PRVISION

Lissage exponentiel adaptatif
Lissage exponentiel deux paramtres pour une
tendance
Lissage exponentiel double
Lissage exponentiel deux paramtres pour une
saisonnalit
Lissage exponentiel trois paramtres pour
tendance et saisonnalit
Rgression
Dcomposition

LISSAGE EXPONENTIEL
SIMPLE

Modle
Dcroissance des poids
Pt
Indpendance des prvisions par
rapport aux conditions initiales
Choix de la constante de lissage

t1

= 1

i1

Xt i + 1

i=1

0,6000

P1

0,4000

N = 2/ - 1

t1

0,5000

poids

0,3000
0,2000
0,1000
0,0000
t-1

t-2

t-3

t-4

t-5

t-6
t-i

t-7

t-8

t-9

t-10

LISSAGE EXPONENTIEL
ADAPTATIF

Pt = t 1Xt 1 + 1 t 1 Pt 1
t =

Et

Mt

Et = et + 1 Et 1
Mt = e t + 1 Mt 1

Initialisation LE adaptatif

Valeur initiale pour P1

Valeur initiale pour 1

LISSAGE EXPONENTIEL
ADAPTATIF: ex. 1.5
Tableau 1.11
Lissage exponentiel adaptatif pour les donnes du tableau 1.10
t
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

Xt
90
105
95
110
95
90
105
120
120
115
125
115
115
125
115
120
120
105
90
95
110
95
105
90

Pt
95,00
93,00
96,00
95,72
99,08
98,75
97,07
97,65
108,37
115,29
115,12
121,82
119,07
118,04
120,77
119,82
119,85
119,88
114,65
98,29
96,02
98,97
97,85
98,30
96,23

et
-5,00
12,00
-1,00
14,28
-4,08
-8,75
7,93
22,35
11,63
-0,29
9,88
-6,82
-4,07
6,96
-5,77
0,18
0,15
-14,88
-24,65
-3,29
13,98
-3,97
7,15
-8,30

|et|
5,00
12,00
1,00
14,28
4,08
8,75
7,93
22,35
11,63
0,29
9,88
6,82
4,07
6,96
5,77
0,18
0,15
14,88
24,65
3,29
13,98
3,97
7,15
8,30

Et

Mt

-1,60
-1,48
1,67
0,52
-1,33
0,52
4,89
6,24
4,93
5,92
3,37
1,88
2,90
1,16
0,97
0,80
-2,33
-6,80
-6,09
-2,08
-2,46
-0,54
-2,09

6,40
5,32
7,11
6,50
6,95
7,15
10,19
10,48
8,44
8,73
8,35
7,49
7,38
7,06
5,69
4,58
6,64
10,24
8,85
9,87
8,69
8,39
8,37

t
0,40
0,25
0,28
0,24
0,08
0,19
0,07
0,48
0,60
0,58
0,68
0,40
0,25
0,39
0,16
0,17
0,18
0,35
0,66
0,69
0,21
0,28
0,06
0,25

de m an de e t pr vi si on s

LISSAGE EXPONENTIEL
ADAPTATIF: GRAPHIQUES
140
120
100
80
60
40
20
0

demande
prvisions
1

10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
p riode s

vale urs de

0,80
0,60
0,40
0,20
0,00
1

9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
priode s

LISSAGE EXPONENTIEL DEUX

PARAMTRES POUR TENDANCE

St = Xt + 1 St 1 + b t 1
b t = St St 1 + 1 b t 1
Pt + m = St + b tm

INITIALISATION

S1 = X1
b1 = X2 X 1

LISSAGE DEUX PARAMTRES

POUR UNE TENDANCE: ex. 1.6
Tableau 1.13
Lissage exponentiel deux paramtres pour une tendance appliqu aux donnes de
lexemple 1.6
t
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

Xt
1091
1101
1105
1034
1095
1081
1136
1116
1109
1199
1209
1232
1191
1239
1235
1330
1342
1332
1374
1402
1504
1502
1588
1607

St
1091,00
1101,00
1109,20
1093,14
1093,09
1089,09
1101,82
1108,83
1112,50
1141,65
1171,93
1204,48
1218,27
1239,04
1252,38
1288,14
1321,78
1344,77
1371,92
1399,58
1449,83
1490,91
1546,79
1596,55

bt
10,00
10,00
9,28
-0,86
-0,53
-1,92
3,94
5,17
4,57
14,40
20,75
25,47
20,80
20,79
17,81
24,99
28,45
26,26
26,62
27,03
36,32
38,22
45,29
47,08

Pt
1101,00
1111,00
1118,48
1092,28
1092,56
1087,18
1105,76
1114,00
1117,07
1156,05
1192,69
1229,95
1239,06
1259,83
1270,19
1313,12
1350,24
1371,03
1398,54
1426,61
1486,15
1529,13
1592,08
1643,63
1690,71
1737,79

LISSAGE EXPONENTIEL
DOUBLE

St = Xt + 1 St 1
St = St + 1 St 1

St = St + St St
b t = St St
1
Pt + m = St + b tm

INITIALISATION

S1 = X1
S 1 = X1

LISSAGE EXPONENTIEL
DOUBLE: GRAPHIQUE
1650
1550

de mande

1450
1350
1250
1150

observations
S't

1050

S''t
prvisions

950
1

11

13
p riode s

15

17

19

21

23

LISSAGE EXPONENTIEL
DOUBLE: ex. 1.14
Tableau 1.14
Rsultats pour le lissage exponentiel double
t
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

Xt
1091
1006
1105
1034
1095
1081
1136
1116
1109
1199
1209
1232
1191
1239
1235
1330
1342
1332
1374
1402
1504
1502
1588
1607

S't
1091
1066
1077
1064
1074
1076
1094
1100
1103
1132
1155
1178
1182
1199
1210
1246
1275
1292
1317
1342
1391
1424
1473
1513

S''t
1091
1083
1082
1076
1076
1076
1081
1087
1092
1104
1119
1137
1150
1165
1178
1199
1221
1243
1265
1288
1319
1350
1387
1425

St

bt

1602

38

Pt

1640
1677
1715

SAISONNALIT
700
650
600

de mande

550
500
450
400
350
demande

300

prvisions

250
1

9
priodes

11

13

15

L.E. DEUX PARAMTRES

POUR UNE SAISONNALIT
St =

Xt
+ 1 St 1
It L

It =

Xt
+ 1 It L
St

Pt + m = StIt L + m

Initialisation ...

L.E. DEUX PARAMTRES POUR

SAISONNALIT: ex. 1.8
Tableau 1.16
Rsultats des calculs pour les prvisions des chaises C-848
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16

Xt
362
385
432
341
382
409
445
335
360
375
440
355

St

380,0000
390,4972
397,0928
394,2640
383,7889
378,3387
372,7100
380,5703
390,8224

It
0,9526
1,0132
1,1368
0,8974
0,9654
1,0216
1,1328
0,8851
0,9585
1,0139
1,1445
0,8967

Pt

362,0000
395,6354
451,4318
353,8000
370,5235
386,5002
422,1924
336,8512
374,5963
396,2385
447,2813
350,4628

LISSAGE EXPONENTIEL
TROIS PARAMTRES
St =

Xt
+ 1 St 1 + b t 1
It L

b t = St St 1 + 1 b t 1
It =

Xt
+ 1 It L
St

Pt + m = St + b tm It L + m

Initialisation ...

LISSAGE EXPONENTIEL
TROIS PARAMTRES: ex. 1.9
Tableau 1.18
Rsultats pour le lissage exponentiel trois paramtres pour une tendance et une
saisonnalit
t

Xt

St

bt

It

Pt

362

0,9526

385

1,0132

432

1,1368

341

380,0000

9,7500

0,8974

382

395,3722

12,5611

0,9594

371,2882

409

405,8108

11,4999

1,0105

413,3009

498

427,6831

16,6861

1,1506

474,4164

387

437,8151

13,4090

0,8907

398,7629

473

472,1191

23,8565

0,9806

432,9066

10

513

501,8204

26,7789

1,0164

501,1874

11

582

517,2051

21,0818

1,1380

608,2211

12

474

535,2408

19,5587

0,8881

479,4261

13

544,0560

14

583,7738

15

675,8498

16

544,8383

LA RGRESSION LINAIRE
Modle gnral Yt = 0 + 1X1t + 2X2t + + kXkt + et
Modle simple

Yt = 0 + 1Xt + et

Droite de rgression empirique

n

b0 =

n
2
i
i=1
n

^ t = b0 + b1Xt
Y
n

X Y X XY

i=1

n X2i
i=1

b1 =

n XiYi
i=1

n X2i
i=1

i=1
n

i=1
2

i=1

i=1
n

i
i=1
2

X Y
X

i=1

RGRESSION LINAIRE: ex.

1.10
Tableau 1.20
Calculs pour dtermine b0 et b1
i
1
2
3
4
5
6
7
8
9
10
11
12
sommes

Xi (x 1 000)
30
25
30
40
35
40
40
40
45
35
50
45
455

Yi
1191
1239
1235
1330
1342
1332
1374
1402
1504
1502
1588
1607
16 646

Xi2
900
625
900
1600
1225
1600
1600
1600
2025
1225
2500
2025
17 825

XiYi
35 730
30 975
37 050
53 200
46 970
53 280
54 960
56 080
67 680
52 570
79 400
72 315
640 210

Y13 = 788,27 + 0,015795(45 000) = 1 499 units

COEFFICIENT DE
CORRLATION
n

r=

i=1
n

i=1

Xi X Yi Y

Xi X

i=1

Yi Y

Coefficient de dtermination: r2

LA DCOMPOSITION

diffrenciation

dsaisonnalisation

DIFFRENCIATION DE
PREMIER ORDRE
Diffrenciation: permet dliminer leffet dune tendance
Diffrenciation de premier ordre: pour liminer leffet dune
tendance additive

Si la tendance est additive:

Xt = Xt - Xt-1 , t = 2, , T
La srie Xt devrait alors tre une srie stationnaire

DIFFRENCIATION DE
PREMIER ORDRE: ex. 1.11
Demande pour les tagres E-929
1650

de m a n de

1550
1450
1350
1250
1150
1050
950
1

11

13

priode

15

17

19

21

23

SRIE DIFFRENCIE: ex. 1.11

Valeurs de Xt pour les donnes de lexemple 1.11
150

X24 = 1 607

100

X24 = 19

50

X't

P24 = 41,5

0
1

11

16

-50
-100
priodes

21

LES, =0,2
T+1 = 25

P25 = 0,2X24 + (1-0,2)P24 = 37

PT+1 = PT+1 + XT = 37 +1 607 = 1 644

PRVISION POUR PLUS DUNE

PRIODE DANS LE FUTUR
Pt : estimation du taux moyen de croissance la priode t

PT+m = mPT+1 + XT

partir des donnes du tableau 1.21, quelles seraient les prvision

pour les priodes 26 et 27?

DIFFRENCIATION DE
SECOND ORDRE
Demande pour les tagres E-929
1650

de m a n de

1550
1450

Tendance multiplicative

1350
1250
1150
1050
950
1

11

13

priode

15

17

19

21

23

DIFFRENCIATION DE
SECOND ORDRE: ex. 1.11
150
100

X't

50

Xt = Xt - Xt-1 , t = 2, , T

0
1

11

16

21

-50
-100
priodes

250
200
150

Xt = Xt - Xt-1 , t = 3, , T

X''t

100
50
0
-50 1

11

-100
-150
-200
priodes

16

21

PRVISIONS POUR
DIFFRENCIATION DORDRE 2
250
200

PT + m = m2PT + 1 + mXT + XT

150

X''t

100
50
0
-50 1

11

16

21

-100
-150
-200
priodes

MM(4)
PT+1 = 1 623,75
PT+2 = 1 636
PT+3 = 1 643,75
PT+4 = 1 647

PT+1 = -2,25
X24 = 19
X24 = 1 607

DSAISONNALISATION: CAS
SANS TENDANCE
Moyenne mobile dordre L:
L

X = 1 Xt i + 1 , t = L, , T
Li = 1

Calcul des ratios saisonniers:

Rt = Xt / Xt , t = L, , T

Calcul des indices saisonniers (p. 74)

PRVISION POUR
DSAISONNALISATION: ex. 1.12
Dsaisonnalisation des donnes et calcul des indices saisonniers
Xt = MM(4)

Rt

341

380,00

0,8974

382

385,00

0,9922

409

391,00

1,0460

445

394,25

1,1287

335

392,75

0,8530

360

387,25

0,9296

I1 = 0,9609

10

375

378,75

0,9901

I2 = 1,0181

11

440

377,50

1,1656

I3 = 1,1471

12

355

382,50

0,9281

I4 = 0,8928

priode

demande

362

385

432

Ii

P13 = [(377,5+382,5)/2]0,9609 = 365

P15 = [(377,5+382,5)/2]1,1471 = 436

P14 = [(377,5+382,5)/2]1,0181 = 387

P16 = [(377,5+382,5)/2]0,8928 = 339

DSAISONNALISATION: CAS
AVEC TENDANCE
7 tapes
1. Dterminer la longueur du cycle saisonnier
2. liminer les effets saisonniers
3. Calculer les ratios saisonniers
4. Calculer les indices saisonniers
5. Dterminer la pente des donnes dsaisonnalises
6. Effectuer une prvision de la demande dsaisonnalise
7. Ajuster la prvision dsaisonnalise

LIMINER LES EFFETS

SAISONNIERS
Si L est impair:
t+ L1
2

Xt = MMt L = 1 Xi , t = L + 1 , ... , T L 1
Li = t L 1
2
2
2

Si L est pair:
t+L
2

MMat L = 1 Xi , t = L , ... , T L
Li = t L + 1
2
2
2

t+L1
2

MMbt L = 1 Xi , t = L +1, ... , T L + 1

Li=t L
2
2
2

MMat (L) + MMbt (L)

X =
, t = L + 1, ... , T L
2
2
2

CENTRER LA MOYENNE
MOBILE
1300
1250

demande

1200
1150
1100
1050
1000
950
1

8
priode

10 11 12 13 14 15

CALCULER LES RATIOS ET LES

INDICES SAISONNIERS

Rt =

Xt
L + 1 , ... , T L 1 si L est impair
, t =
2
2
Xt

Rt =

Xt
L
L
, t = 2 + 1 , ... , T 2 si L est pair
Xt

Ii = Moyenne [Rt : (t mod L) = i, t = L, , T] ,

i = 1, , L-1

IL = Moyenne [Rt : (t mod L) = 0, t = L, , T]

DTERMINER LA PENTE DES

DONNES DSAISONNALISES

P = Yt = b 0 + b 1t

PRVOIR LA DEMANDE
DSAISONNALISE
3 possibilits:
- partir de la droite de rgression empirique
- partir du lissage exponentiel 2 paramtres
pour une tendance
- partir du lissage exponentiel double

TENIR COMPTE DES INDICES

SAISONNIERS

PT+m = PT+m I(T+m mod L) , T+m mod L 0

PT+m = PT+m IL , T+m mod L = 0

DSAISONNALISATION AVEC
TENDANCE: ex. 1.13
Indices saisonniers

Moyenne mobile centre

priode
1
2
3
4
5
6
7
8
9
10
11
12

a
demande MM t (4)

362
385
432
341
382
409
498
387
473
513
582
474

380,0
385,0
391,0
407,5
419,0
441,8
467,8
488,8
510,5

MM bt (4)

X't

Rt

It

380,0
385,0
391,0
407,5
419,0
441,8
467,8
488,8
510,5

382,50
388,00
399,25
413,25
430,38
454,75
478,25
499,63

1,1294
0,8789
0,9568
0,9897
1,1571
0,8510
0,9890
1,0268

1,1433
0,8649
0,9729
1,0082

TROUVER LA PENTE ...

X't (Y)
382,50
388,00
399,25
413,25
430,38
454,75
478,25
499,63
3 446,00

priode (X)
3
4
5
6
7
8
9
10
52
n

b0 =

n
2
i
i=1
n

n X2i

n XiYi
i=1

n X2i
i=1

i=1
2

i=1

b1 =

i=1
n

i=1

XiYi
1 147,500
1 552,000
1 996,250
2 479,500
3 012,625
3 638,000
4 304,250
4 996,250
23 126,38

X Y X XY

i=1

Xi2
9
16
25
36
49
64
81
100
380,00

8(23 126,38) 52(3 446)

= 17,32
2
8(380) 52

X Y
i

i=1
2

i=1

380(3 446) 52(23 126,38)

= 318,18
2
8(380) 52

i=1
n

LES PRVISIONS
P13 = 318,18 + 17,32(13) = 543,34
P14 = 318,18 + 17,32(14) = 560,66
P15 = 318,18 + 17,32(15) = 577,98
P16 = 318,18 + 17,32(16) = 595,30
P13 = P13 I1 = 543,34(0,9729) = 528,61
P14 = P14 I2 = 560,66(1,0082) = 565,26
P15 = P15 I3 = 577,98(1,1433) = 660,80
P16 = P16 I4 = 595,30(0,8649) = 514,87

CORRECTION DES DONNES

Les valeurs aberrantes
Figure 1.27
Demande mensuelle pour le transformateur AMC 14,4 120/240
2000
1800

Sil ny a pas de saisonnalit ...

1600
C
o
n 1400
s
o 1200
m
m 1000
a
t
800
i
o
n 600

Sil y a saisonnalit ...

Sil y a une tendance ...

400
200
0
1

10

13

16
mois

19

22

25

28

31

CORRECTION DES DONNES

Les jours ouvrables

Mois
Fvrier 1998
Mars 1998
Avril 1998
Mai 1998
Juin 1998
Juillet 1998

Nombre de
jours
28
31
30
31
30
31

Demande
1 224
1 567
1 438
1 778
1 700
1 692

Demande
corrige
1 311,43
1 516,45
1 438,00
1 720,64
1 700,00
1 637,42

1- Choisir un mois de rfrence (avril: nb = 30)

2- Corriger la demande de chaque mois en fonction du mois de rfrence
Xt = (Xt / nt) x nb

lments difficilement mesurables

et quantifiables pour les prvisions

Lapparition de nouveaux produits

La disparition de produits du march
Les politiques de prix et de promotions des concurrents
Le contexte conomique (effets dune rcession par
exemple)
Lapparition de nouvelles technologies (DVD par
exemple)
Lapparition ou la disparition de concurrents
Le contexte international

Facteurs considrer lors du choix

dune mthode de prvision

Le genre de donnes
Le degr dimportance des prvisions
Les facteurs qui influencent la variable prvoir
Le lien entre les tats passs et les tats futurs de la variable
prvoir
La disponibilit des donnes
Les usagers des outils de prvision
Le cot de la collecte des donnes
Le temps et les ressources ncessaires pour obtenir les prvisions
La frquence laquelle les prvisions doivent tre faites
Le cot dutilisation dune mthode de prvision (dveloppement,
implantation, utilisation, cot des erreurs)

Facteurs qui influencent la

prcision des prvisions

Lhorizon de prvision
Le niveau dagrgation des donnes
La faon dont la distribution des produits
seffectue
La frquence des prvisions
La structure de la demande
Le niveau dactivit conomique