La prvision des ventes (la ralisation du budget des ventes) est gnralement mise en uvre
laide dun outil statistique : lajustement (linaire ou exponentiel).
Exemple 1 :
Rang de lanne 1 2 3 4 5 6 7 8 9
Nombre de pianos vendus 200 300 325 425 450 575 650 750 825
Reprsentation graphique :
900
800
Nombre de pianos vendus yi
700
600
500
400
300
200
100
0
0 1 2 3 4 5 6 7 8 9 10 11
Rang de l'anne xi
Lorsque la variable explicative (x) est le temps, les valeurs observes de y (variable
explique ) ordonnes dans le temps constituent une srie chronologique.
1 / 11
La droite dajustement est dtermine de sorte que les valeurs de y, obtenues par la fonction
(valeurs ajustes), soient les plus proches possible des valeurs relles de y observes au cours
dune priode donne.
En pratique les paramtres a et b sont dtermins avec une calculette (ou un tableur).
Lquation de la droite dajustement permet deffectuer des prvisions partir des valeurs de
la variable x (ce qui revient prolonger la droite au-del du rang 9) :
Remarque : Les limites des mthodes dajustement (ou mthodes dextrapolation du pass)
Les mthodes dajustement reposent sur lhypothse que les tendances (volutions) du pass
se reproduiront dans le futur
La prvision des ventes par ces mthodes nest possible que pour un produit existant (pour les
nouveaux produits : tudes de marchs).
Corrlation : Relation rciproque entre deux variables (Attention : une corrlation nimplique
pas ncessairement un lien de dpendance entre les deux variables)
Le coefficient de corrlation (r) permet de mesurer le degr de corrlation linaire entre les
deux variables (i.e. la pertinence dun ajustement linaire) :
Cf. Cas No
2 / 11
II- Lanalyse des sries chronologiques avec un phnomne saisonnier (ou priodique)
Exemple 2 :
Le service commercial dispose des CA trimestriels (en milliers deuros) des quatre dernires
annes :
Annes
Trimestres
N-3 N-2 N-1 N
1er trimestre 262 266 278 330
2e trimestre 189 209 213 241
3e trimestre 177 189 197 217
4e trimestre 318 346 358 362
Reprsentation graphique :
450
400
350
Chiffre d'affaires (yi )
300
250
200
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Rang du trimestre (xi )
..............................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
3 / 11
A) La dtermination de la tendance gnrale (trend)
La tendance gnrale peut tre dtermine laide dun ajustement linaire sur les valeurs
observes par la mthode des moindres carrs :
Remarque : r = .........................................................................................................................................................................................
Les coefficients saisonniers sont calculs par la mthode des rapports la tendance
( rapports au trend ) :
Le coefficient saisonnier pour une priode (un mois ou un trimestre, selon le nombre de
priodes dans un cycle : 12 ou 4) est gal la moyenne par priode (mois ou trimestre) des
rapports :
valeur observe
Rapport au trend = (1)
Valeur ajuste
Signification :
Si valeur observe > valeur ajuste Rapport au trend > 1 : La valeur observe est au-
dessus de la tendance.
Si valeur observe < valeur ajuste Rapport au trend < 1 : La valeur observe est en-
dessous de la tendance.
Les coefficients saisonniers sont utiliss pour saisonnaliser les prvisions de ventes :
4 / 11
Exemple 2 : Tendance gnrale par ajustement linaire sur les valeurs observes
Calcul des coefficients saisonniers (moyenne par trimestre des rapports au trend) :
Trimestre
Anne
1 2 3 4
N-3
N-2
N-1
N Total
Moyenne
Coefficient saisonnier
5 / 11
C) La dtermination de la tendance gnrale laide des moyennes mobiles
La tendance gnrale peut galement tre dtermine par un ajustement linaire par la
mthode des moindres carrs mais applique aux moyennes mobiles.
La mthode des moyennes mobiles consiste remplacer chaque valeur observe par la
moyenne dun ensemble (dun groupe) de ces valeurs observes.
Il existe plusieurs mthodes de calcul des moyennes mobiles et le nombre de valeurs retenues
pour calculer les moyennes dpend de la priodicit du phnomne saisonnier (4 si priodicit
trimestrielle ; 12 si mensuelle). Par exemple, pour une priodicit trimestrielle :
(Chaque valeur observe est remplace par la moyenne des quatre valeurs qui la prcdent.)
y1 y y2 y
m3 = ( + y2 + y 3 + y4 + 5 ) / 4 ; m4 = ( + y3 + y 4 + y5 + 6 ) / 4 ; m5 =
2 2 2 2
Chiffre d'affaires en K
Rang du
Valeur Moyenne
Anne Trimestre trimestre
observe mobile
xi
yi mi
1
2
N-3
3
4
1
2
N-2
3
4
1
2
N-1
3
4
1
2
N
3
4
6 / 11
Reprsentation graphique :
450
400
350
Chiffre d'affaires (yi )
300
250
200
150
100
50
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Rang du trimestre (xi )
La mthode des moyennes mobiles est une mthode de lissage des sries chronologiques (les
variations saisonnires sont neutralises).
Les moyennes mobiles sont dj reprsentatives de la tendance gnrale de la srie (elles sont
parfois utilises comme valeurs ajustes dans le calcul des coefficients saisonniers).
Lquation de la tendance gnrale peut alors tre dtermine par un ajustement linaire par
la mthode des moindres carrs mais applique aux moyennes mobiles.
Calcul des coefficients saisonniers et prvisions de CA pour N+1 : Cf. tableaux page suivante
Les calculs sont identiques au cas prcdent, les valeurs ajustes tant en principe calcules
avec lquation de la tendance obtenue laide des moyennes mobiles.
7 / 11
Exemple 2 : Tendance gnrale par ajustement linaire sur les moyennes mobiles
Calcul des coefficients saisonniers (moyenne par trimestre des rapports au trend) :
Trimestre
Anne
1 2 3 4
N-3
N-2
N-1
N Total
Moyenne
Coefficient saisonnier
8 / 11
Remarque : Les coefficients saisonniers peuvent galement tre utiliss pour dsaisonnaliser
une srie chronologique (Saisonnaliser : prendre en compte les variations saisonnires ;
Dsaisonnaliser : les liminer !).
On obtient ainsi une srie corrige des variations saisonnires (une tendance plus rgulire).
Chiffre d'affaires en K
Rang du Coefficients
Valeur Valeur
Anne Trimestre trimestre saisonniers
observe dsaisonnalises
xi ct
yi yi/ct
1 1 1,12 262
2 2 0,83 189
N-3
3 3 0,75 177
4 4 1,30 318
1 5 1,12 266
2 6 0,83 209
N-2
3 7 0,75 189
4 8 1,30 346
1 9 1,12 278
2 10 0,83 213
N-1
3 11 0,75 197
4 12 1,30 358
1 13 1,12 330
2 14 0,83 241
N
3 15 0,75 217
4 16 1,30 362
500
450
400
350
Chiffre d'affaires (yi )
300
250
200
150
100
Valeurs observes
Valeurs dsaisonnalises
50
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Rang du trimestre (xi )
9 / 11
III Lajustement exponentiel (ramen un ajustement linaire)
Lajustement linaire (y = ax + b) est justifi lorsque les valeurs observes (ou la tendance)
varient avec un taux ( peu prs) constant (gal a : pente de la droite) : les ventes
augmentent (ou diminuent) un rythme rgulier. Lorsque les ventes augmentent avec un taux
de variation croissant, on procde alors un ajustement exponentiel : le nuage de points est
alors proche dune courbe dune fonction exponentielle de type y = b.ax.
Variable y (ventes)
a
1
Lquation dune fonction exponentielle peut tre transforme en une quation linaire par un
changement de variable et de paramtres :
l'quation devient : Y = Ax + B
Exemple 3 :
Le service commercial dispose des CA trimestriels (en milliers deuros) des deux dernires
annes :
Anne N-1 N
Trimestre 1 2 3 4 1 2 3 4
Chiffre daffaires 140 200 300 450 620 850 1 200 1 700
10 / 11
Reprsentation graphique :
3 000
2 500
Chiffre d'affaires en K (yi )
2 000
1 500
1 000
500
0
0 1 2 3 4 5 6 7 8 9 10 11 12
Rang du trimestre (xi )
Chiffre d'affaires en K
Rang du
Valeur
Anne Trimestre trimestre
observe Yi = lnyi
xi
yi
1
2
N-1
3
4
1
2
N
3
4
Trimestre
Elments
1 2 3 4
Rang du trimestre (x)
Prvision (y)