Statistique appliquée à la Finance

M.Redouane BENABDELOUAHED 1
Introduction…
† Pour prendre des décisions relatives à
la structure et au fonctionnement
opérationnel de tout système, il faut
anticiper et donc s’appuyer sur un
système de prévisions fiable, qui
concerne les long, moyen et court
termes.

M.Redouane BENABDELOUAHED 2
Les Composants d’une Observation
Demande Observée (O)
=
Composante Principale (S)
+
Composante aléatoire (R)
+
Erreur (E)
† Composante Principale: Valeur espérée de la
demande
† Composante aléatoire: la partie de la prévision qui
dévie du composante principale
† Erreur de Prévision: Différence entre la prévision et la
demande actuelle

M.Redouane BENABDELOUAHED 3
Les composantes de la demande
† La demande peut être décomposée en
quatre éléments distinctifs :
„ La tendance : elle matérialise l’évolution de la
demande sur le long terme
„ Le cycle : il détermine son évolution sur le
moyen terme, par rapport à l’activité
économique ou sectorielle
„ La saisonnalité : elle ressort l’ensemble des
variations périodiques influencées par le temps
(saisons, mois, jours)
„ Les résidus aléatoires : il s’agit de l’ensemble
des variations non expliquées par les autres
facteur

M.Redouane BENABDELOUAHED 4
Comportements de la demande
† La tendance est une variation
graduelle croissante ou décroissante
dans le temps.
Exemple:
† La demande pour du matériel
informatique peut augmenter chaque
année car l'informatique prend de
plus en plus de place dans notre vie
quotidienne.

M.Redouane BENABDELOUAHED 5
Facteur de tendance

2000
Tendance
$$, volume, ou quantité

1500

1000

500

0
0 5 10 15 20 25

Temps - trimestres

M.Redouane BENABDELOUAHED 6
Comportements de la demande
† Cette tendance peut être linéaire ou
exponentielle.
† Elle est linéaire si les différences
entre deux périodes successives sont
plus ou moins constantes;
† elle est exponentielle si les rapports
d'une série donnée entre deux
périodes successives sont
pratiquement constants.

M.Redouane BENABDELOUAHED 7
Comportements de la demande
† Tendance linéaire

M.Redouane BENABDELOUAHED 8
Comportements de la demande
† Tendance exponentielle

M.Redouane BENABDELOUAHED 9
Comportements de la demande
Cycle
† un phénomène est soumis à un effet
cyclique lorsqu'il se répète après un
certain intervalle de temps qui n'est
pas forcément régulier.
† Par exemple, tous les cinq à sept ans,
on observe souvent un ralentissement
de la conjoncture, ce qui engendre un
effet négatif sur la demande.

M.Redouane BENABDELOUAHED 10
Comportements de la demande
† Cycle

M.Redouane BENABDELOUAHED 11
Comportements de la demande
Saisonnalité
† Une série chronologique comporte
une saisonnalité lorsqu'elle est
soumise à des oscillations qui se
répètent périodiquement.

M.Redouane BENABDELOUAHED 12
Comportements de la demande
Saisonnalité
† Les ventes d'équipements d'hiver, par
exemple, enregistrent des hausses durant
les mois d'hiver.
† On se réfère également au terme de
saisonnalité lorsque l'on observe des
variations régulières lors de certains jours
de la semaine.
† La plupart des restaurants observent par
exemple un taux d'occupation plus élevé en
fin de semaine.

M.Redouane BENABDELOUAHED 13
Comportements de la demande
† Saisonnalité

M.Redouane BENABDELOUAHED 14
Comportements de la demande
† L'évolution de la demande peut être
soumise à des variations aléatoires
ou irrégulières que l'on ne peut
expliquer ni par la saisonnalité ni par
la tendance.
† Ces variations peuvent provenir d'un
effet de mode ou d'une incidence
climatique extraordinaire qui
influencerait la demande de produits
agricoles par exemple.

M.Redouane BENABDELOUAHED 15
Comportements de la demande
† Irrégularité

M.Redouane BENABDELOUAHED 16
La prévision…
† La prévision de la demande est une
démarche qui consiste à utiliser des
méthodes qualitatives ou
quantitatives pour estimer la
consommation des produits dans les
périodes à venir.

M.Redouane BENABDELOUAHED 17
Le fondement des méthodes de prévisions

La prévision est fondé sur un hypothèse

selon laquelle on peut trouver dans le
passé :

„ Un certain comportement.
„ Une certaine loi.

Donc une certaine cause …..

M.Redouane BENABDELOUAHED 18
La prévision…

† Hypothèse : Le comportement passé

des donnés se reflétera dans le futur.

† La prévision transforme les

informations passées en estimations
pour le futur.

M.Redouane BENABDELOUAHED 19
Quelles sont les règles d’utilisation
de la prévision de la demande?

† La prévision doit être faite à court

ou moyen terme seulement.

† Il faut prendre en considération la

part d’incertitude dans l’utilisation
des prévisions.

M.Redouane BENABDELOUAHED 20
M.Redouane BENABDELOUAHED 21
Techniques de prévision
† Méthodes qualitatives
† Méthodes quantitatives

22
les méthodes qualitatives
Quatre type de méthodes:
1. Étude de marché
2. Prévisions visionnaires
3. Méthodes Delphi
4. Analogie historique

M.Redouane BENABDELOUAHED 23
M.Redouane BENABDELOUAHED 24
Méthodes quantitatives
‰ Ce sont les méthodes qui s’appuient
sur les statistiques.
‰ Deux types de méthodes:
1- Méthodes causales
2- Méthodes des séries
chronologiques

M.Redouane BENABDELOUAHED 25
Méthodes quantitatives
Méthodes causales

† Utilisées pour mettre en relation les

facteurs explicatifs qui influencent
l’évolution d’une variable à prévoir.
„ Exemples: population, localisation
géographique, niveau d’éducation, âge, etc.

M.Redouane BENABDELOUAHED 26
Méthodes quantitatives
Méthodes causales

† Chaque facteur a une importance et un

effet qui doivent être évalués pour
expliquer comment les variables de
prévision ont pu être modifiées dans le
passé.

† Un modèle de prévision est construit qui

intègre les facteurs appropriés.

M.Redouane BENABDELOUAHED 27
Méthodes quantitatives
Méthodes des séries chronologiques
† Elles s’intéressent aux liens entre les
valeurs passées de la variable à prévoir.

† Un modèle mathématique basé sur

l’évolution passée de la variable de
prévision est déterminé.

M.Redouane BENABDELOUAHED 28
Méthodes quantitatives
Méthodes causales
1. Régression linéaire

Cette méthode permet d’établir un modèle

mathématique linéaire qui exprime une
variable dépendante en fonction d’autres
variables, dites indépendantes.

M.Redouane BENABDELOUAHED 29
Méthodes quantitatives
Régression linéaire simple
† Le modèle de la régression linéaire
simple est de la forme:
Yt = a + b Xt

où Yt est la variable dépendante et Xt

la variable indépendante.

M.Redouane BENABDELOUAHED 30
Règles pour la prévision

† Avant de prévoir, il faudra éliminer

la tendance (ou trend)
représentant l'évolution à moyen
terme du phénomène étudié.
† Dans le même ordre d'idée, nous
corrigerons les éventuelles
variations saisonnières qui
résultent d'un comportement
cyclique dans la série observée.

M.Redouane BENABDELOUAHED 31
Règles pour la prévision
† Exemple:
† considérons la figure représentant l'évolution du
trafic voyageurs en train à l’ONCF.

- Dans cet exemple, on observe une

relation directe entre la période
l'année (par exemple le mois
d'août), et la fréquentation des
trains.
- Toute théorie d'analyse et de
prévision devra tenir compte de ce
phénomène.

M.Redouane BENABDELOUAHED 32
Méthodes quantitatives

‰ Méthodes des séries chronologiques:

‰Elles permettent de faire des prévisions à court terme.
‰Méthode des moindres carrées;
‰ Méthode de moyennes mobiles;
‰Méthode de Mayer
‰ Méthode de coefficients saisonniers

M.Redouane BENABDELOUAHED 33
M.Redouane BENABDELOUAHED 34
Définition…
† On appelle série chronologique ou
chronique ou série temporelle une
suite (Yt) d’observations chiffrées
d’un même phénomène, ordonnées
dans le temps.

M.Redouane BENABDELOUAHED 35
Exemple:
† On peut songer par exemple:
„ l'évolution du nombre de voyageurs
utilisant le train;
„ Nombre mensuel de vente de voitures
neuves au Maroc

M.Redouane BENABDELOUAHED 36
caractéristique des séries chronologiques:

† Les dates d’observations sont généralement

ordonnées de manière régulière dans le
temps : on manipule des séries
„ journalières (cours d’une action en bourse)
„ mensuelles (consommation mensuelle
d’électricité)
„ trimestrielles (nombre trimestriel de chômeurs)
„ annuelles (chiffre annuel des bénéfices des
exportations).

M.Redouane BENABDELOUAHED 37
Principe…
† Connaître le passé pour anticiper le
futur

M.Redouane BENABDELOUAHED 38
caractéristique des séries chronologiques

† Les données de ces séries ont un

ordre : l’ordre chronologique.
† La donnée Y5 est antérieure aux
données Y6 , Y10…

M.Redouane BENABDELOUAHED 39
caractéristique des séries chronologiques

† Une série est dite régulière (rare) s’il

n’y a pas de lacunes et on rencontre
pas des données manquantes.
† Une série est dite lacunaire ou
intermittente lorsque l’on a pas
d’observation pendant plusieurs
années.

M.Redouane BENABDELOUAHED 40
Voici quelques comportements
de séries chronologiques

linéaire courbe en S linéaire décroissante

cycle

exponentielle asymptotique cycle avec tendance

M.Redouane BENABDELOUAHED 41
M.Redouane BENABDELOUAHED 42
Décomposition d’une série
† Les méthodes de décomposition
consistent à décomposer la demande
en facteurs élémentaires (tendance,
saisonnalité, cycle et variations
accidentelles), à faire une prévision de
la série décomposée, et à recomposer
ensuite la série sur la base des lois
observées sur ces facteurs.

M.Redouane BENABDELOUAHED 43
Les composantes d’une série
Les différentes composantes d’une série
temporelle sont:
† La tendance générale: Ne peut être
étudiée que si l’épisode est terminé et non
en cours de formation
† Variation saisonnière: Applicable que si
l’on dispose de plusieurs observations par
an
† Composante cyclique: Echelle
intermédiaire entre le court et le long terme
† les variations aléatoires ou accidentelles

M.Redouane BENABDELOUAHED 44
Tendance

† La tendance est le mouvement général vers le haut ou

vers le bas du niveau moyen de la demande dans le
temps.
† Un historique de données couvrant plusieurs années
est souvent nécessaire afin de déterminer les
tendances.
† Parmi les facteurs susceptibles d'expliquer une
tendance, on retrouve les avancées technologiques,
un changement de productivité, l'inflation et
l'évolution de la population.

M.Redouane BENABDELOUAHED 45
Tendance
† Les tendances peuvent être linéaires
ou non linéaires. Le patron d'une
tendance linéaire peut être
représenté par une ligne droite. Celui
d'une tendance non linéaire pourra
être associé par exemple à une
fonction quadratique ou à une courbe
exponentielle.

M.Redouane BENABDELOUAHED 46
Saisonnalité

† La composante saisonnière est une

fluctuation de la demande au-dessus
et au-dessous de la tendance et qui
se répète à intervalles réguliers

M.Redouane BENABDELOUAHED 47
Saisonnalité
† La demande pour plusieurs produits
ou services varie selon la
température (chaude en été et froide
en hiver) et se répète à chaque
année.
† La demande de bois d'œuvre pour la
construction résidentielle est plus
grande au printemps et à l'été qu'en
hiver.

M.Redouane BENABDELOUAHED 48
Saisonnalité
† Exemple

M.Redouane BENABDELOUAHED 49
Cycles
† Les cycles sont similaires aux composantes
saisonnières, à l'exception que l'amplitude
et la longueur des cycles (plus d'un an)
peuvent varier dans le temps.
† Ces mouvements sont souvent associés aux
cycles économiques (inflation, récession,
chômage, prospérité, etc.) et c'est pourquoi
plus de 15 ou 20 ans de données sont
nécessaires à la détermination de la
composante cyclique.

M.Redouane BENABDELOUAHED 50
Cycles
† Exemple

M.Redouane BENABDELOUAHED 51
Aléatoire

† La composante aléatoire est une suite

de petits mouvements qui ne suivent
aucun patron reconnaissable. Ces
aléas sont causés par des
événements imprévisibles ou qui ne
se répètent pas dans le temps tels
que, par exemple, des innondations,
des guerres, des grèves, des
élections, l'adoption de lois, etc.

M.Redouane BENABDELOUAHED 52
Aléatoire
† Exemple

M.Redouane BENABDELOUAHED 53
 LES COMPOSANTES

17
16
15
14
Y = série initiale 13
12
11
10
9
8
0 5 10 15 20

Tendance ou Trend Composante Saisonnière Composante Aléatoire

T S A
17 1,5
2
16 1,4
15 1,3
14 1,2 1,5
13 1,1
1 1
12
0,9
11 0,8
10 0,7 0,5
9 0,6
8 0,5 0
0 5 10 15 20 0 5 10 15 20 0 5 10 15 20
M.Redouane BENABDELOUAHED 54
résumé

† Des quatres composantes constituant les séries

chronologiques, seules la tendance et la saisonnalité
seront étudiées dans ce module. Puisque les
variations aléatoires sont imprévisibles, on ne peut
pas les intégrer.
† Quant aux variations cycliques, elles demandent la
collecte de données sur de nombreuses années, ce qui
peut aisément dépasser le cycle de vie d'un produit.
D'autres part, les décisions opérationnelles

M.Redouane BENABDELOUAHED 55
M.Redouane BENABDELOUAHED 56
Décomposition des séries
† Une série chronologique peut se
subdiviser selon les quatre
composantes pour faciliter la
prévision.

M.Redouane BENABDELOUAHED 57
Décomposition des séries
† Suivant l’objectif de l’analyse, le
traitement de la série sera différent.
Dans le cas où l’on veut regarder le
comportement à moyen terme d’une
série, il est utile d’éliminer l’effet
saisonnier tandis que lorsque c’est le
comportement à court terme qui nous
intéresse, il est important de garder
l’effet saisonnier.

M.Redouane BENABDELOUAHED 58
Saisonnalité
† La composante saisonnière ou
mouvement saisonnier représente des
effets périodiques de période connue
p qui se reproduisent de façon plus
ou moins identique d’une période sur
l’autre

M.Redouane BENABDELOUAHED 59
Facteur de tendance

‰ Équivaut à la projection linéaire à long

terme de la série chronologique.

‰ Cette projection à long terme est une ligne

droite qui élimine toutes les fluctuations
aléatoires dues aux facteurs saisonnier et
cyclique.

M.Redouane BENABDELOUAHED 60
 Facteur cyclique

‰ Suit en général une loi en forme d ’ondulation

passant d ’une valeur élevée à une valeur faible, puis
revenant à une valeur élevée.

M.Redouane BENABDELOUAHED 61
Décomposition des séries
† Pour décomposer une série
chronologique on doit commencer par :
„ Tracer son graphique
„ Choisir un modèle de composition (additif
ou multiplicatif)
„ Estimer la tendance Ct
„ Estimer les variations saisonnières.

M.Redouane BENABDELOUAHED 62
Décomposition des séries
† Il est classique de décomposer une série
temporelle en tendance mt, effet
saisonnier st, et erreur Ut.
† Généralement on s’intéresse à un modèle
additif :
Yt = mt, + st, + Ut avec E(Ut) = 0
† Dans le cas où les séries montrent une
saisonnalité qui a de plus en plus d’ampleur
alors un modèle multiplicatif est plus ajusté
à la série:
Yt = mt, . st, . Ut avec E(Ut) = 0

M.Redouane BENABDELOUAHED 63
décomposition du modèle
2 types de modèles : modèle additif vs modèle
multiplicatif
- Modèle additif (cf. Graph) : Les composantes sont
indépendantes les unes des autres
Yt = ft + S t + ε t
-modèle multiplicatif (cf. Graph) : Les composantes
dépendent les unes des autres

Yt = f t × St + ε t
Yt = f t × St × ε t

M.Redouane BENABDELOUAHED 64
Types de modèle

Modèle additif Modèle multiplicatif

Y=T+S+A Y=T.S.A

M.Redouane BENABDELOUAHED 65
Modèle additif
modèle additif
Hypothèse :
† le modèle additif, suppose que les
composantes sont indépendantes les
unes des autres

M.Redouane BENABDELOUAHED 66
Types de modèle
modèle additif
† Dans un modèle additif, on suppose
que les 3 composantes : tendance,
variations saisonnières et variations
accidentelles sont indépendantes les
unes des autres.
† On considère que la série Yt s’écrit
comme la somme de ces 3
composantes :
Yt = Ct + St + εt

M.Redouane BENABDELOUAHED 67
Types de modèle
modèle additif
† Dans le modèle additif, l’amplitude de
la composante saisonnière et celle du
bruit restent constantes au cours du
temps.

M.Redouane BENABDELOUAHED 68
Modèle multiplicatif
Modèle multiplicatif
† On suppose que les variations
saisonnières dépendent de la
tendance.
† Et on considère que Yt s’écrit de la
manière suivante :
Yt = Ct × St + εt

M.Redouane BENABDELOUAHED 69
Types de modèle
Modèle multiplicatif
† Dans le modèle multiplicatif,
l’amplitude de la composante
saisonnière et celle du bruit ne sont
plus constantes au cours du temps :
elles varient proportionnellement à la
tendance.

M.Redouane BENABDELOUAHED 70
Types de modèle
Modèle multiplicatif
† Hypothèse :
† le modèle multiplicatif, suppose que
les composantes sont dépendantes
les unes des autres

M.Redouane BENABDELOUAHED 71
Types de modèle

Modèle multiplicatif
La forme mathématique utilisée pour représenter
cette décomposition est :

O = T x C x S x R

Où : O est la valeur de l’observation (variable étudiée)

T est la valeur de la tendance
C représente l ’indice conjoncturel (cyclique)
S représente l ’indice saisonnier
R est l ’indice de l’effet occasionnel (aléa)
M.Redouane BENABDELOUAHED 72
Types de modèle

Évolution (DNA, Demande, Etc.)

2500
Observation = T x C x S x R

2000
$$, volume, ou quantité

1500

1000

500

0
0 5 10 15 20 25

Temps - trimestres

M.Redouane BENABDELOUAHED 73
Schéma de décomposition d'une
série chronologique

Composante saisonnière Composante Tendancielle

Composante résiduelle
Variable observée

Périodicité

Temps

M.Redouane BENABDELOUAHED 74
Choix du modèle
Comment déterminer la nature
du modèle ?
† Méthode de la bande
† Méthode du profil
† Méthode du tableau de Buys et Ballot

M.Redouane BENABDELOUAHED 75
Choix du modèle
La méthode de la bande (méthode graphique)
† On fait un graphique représentant la série
chronologique, puis on trace une droite passant
respectivement par les minima et par les
maxima de chaque saison.
† Si ces deux droites sont parallèles, nous
sommes en présence d’un modèle additif.
Sinon, c’est un modèle multiplicatif.

M.Redouane BENABDELOUAHED 76
Choix du modèle

M.Redouane BENABDELOUAHED 77
Choix du modèle
Méthode du profil :
† On utilise le graphique des courbes
superposées:
„ Si les différentes courbes sont à peu près
parallèles : le modèle est additif.
„ Sinon (les pics et les creux s’accentuent)
: le modèle est multiplicatif.

M.Redouane BENABDELOUAHED 78
Choix du modèle
Méthode du tableau de Buys et
Ballot :
† On calcule, pour chacune des années,
la moyenne et l’écart type.
† On trace les points d’abscisse la
moyenne et d’ordonnée l’écart type
de la même année.
† On trace la droite des moindres
carrés de ces points.

M.Redouane BENABDELOUAHED 79
Choix du modèle
Méthode du tableau de Buys et
Ballot :
† Si l’écart type est indépendant de la
moyenne le modèle est additif.
La pente (a) de la droite des moindres
carrés est très proche de 0.
† Si l’écart type est fonction de la
moyenne le modèle est multiplicatif.
La pente (a) de la droite des
moindres carrés n’est pas nulle.

M.Redouane BENABDELOUAHED 80
Choix du modèle

Comment déterminer la nature du

modèle ?
† Si pour une observation donnée, la
variation saisonnière S s’ajoute simplement
aux autres composantes le modèle est
additif
† Si pour une observation donnée, la
variation saisonnière S est proportionnelle
aux autres composantes, le modèle est
multiplicatif.

M.Redouane BENABDELOUAHED 81
† Méthodes d’ajustement linéaire:
„ Méthode de Mayer
„ Méthode de moindres carrées

M.Redouane BENABDELOUAHED 82
M.Redouane BENABDELOUAHED 83
 Méthode de Mayer:

Elle consiste à calculer l’équation de la droite qui passe

par 2 points moyens de la série.
Méthode :
- séparer la série statistique en 2 groupes (égaux si
possible)
- calculer les points moyens de chaque groupe
- établir l’équation de la droite qui passe par ces 2
points
- calculer la prévision à partir de cette équation

M.Redouane BENABDELOUAHED 84
Partage des points en 2 groupes…
† Tout dépend du nombre de points dont on dispose
„ Si on a 3 points : Groupe 1 (2 points) =années 1 et 2
Groupe 2 (1 point) = année 3
„ Si on a 4 points : Groupe 1 (2 points) =années 1 et 2
Groupe 2 (2 points) = années 3 et 4
„ Si on a 5 points : Groupe 1 (3 points) =années 1 , 2
et 3 Groupe 2 (2 points) = années 4 et 5
„ Si on a 6 points : Groupe 1 (3 points) =années 1 , 2
et 3 Groupe 2 (3 points) = années 4, 5 et 6
„ Si on a 7 points : Groupe 1 (4 points) =années 1 , 2,
3 et 4 Groupe 2 (3 points) = années 5, 6 et 7
„ et ainsi de suite

M.Redouane BENABDELOUAHED 85
Exemple I :

soit les ventes des 6 dernières années (en milliers de DH)

1999 2000 2001 2002 2003 2004

130 125 129 132 128 133

T.A.F:
Calculer la prévision de C.A. pour 2005.

M.Redouane BENABDELOUAHED 86
 Exemple I :

Après avoir séparé le tableau en 2 séries,

on calcule la moyenne des X et des Y pour chaque série.

X 1999 2000 2001 2002 2003 2004

Y 130 125 129 132 128 133

Donc X1 = 2000 X2 = 2003

Y1 = 128 Y2 = 131

M.Redouane BENABDELOUAHED 87
 Exemple I :
Ensuite on résout le système d’équation permettant de
calculer les coefficients « a » et « b » de la droite
d’ajustement.

Soit le système

Y1 = aX1 + b 128 = 2000a + b

Y2 = aX2 + b ->
131 = 2003a + b

Par soustraction on obtient 3 = 3a

Donc a = 1 et en remplaçant dans les équations, b = - 1 872

M.Redouane BENABDELOUAHED 88
 Exemple I :

Cela permet d’obtenir l’équation d’ajustement :

Y = X - 1872

Donc pour l’année 2005, cela donne :

Y = 2005 - 1872

Soit Y = 133, Chiffre d’affaires prévisionnel pour l’année 2005

M.Redouane BENABDELOUAHED 89
Exemple II
† M. ALAMI est propriétaire du magasin
MAK. Il analyse l’activité de ses vendeurs.
Il dispose des chiffres d’affaires des cinq
dernières années :
„ Année 1 : 2002 = 600 000 DH
„ Année 2 : 2003 = 605000 DH
„ Année 3 : 2004 = 610 000 DH
„ Année 4 : 2005 = 625 000 DH
„ Année 5 : 2006 = 630 000 DH
† Calculez le Chiffre d’affaires de l’année 6
soit l’année 2007 selon la méthode de
Mayer.

M.Redouane BENABDELOUAHED 90
Exemple II…
† Dans notre exemple:
† Groupe 1: 3 points ( année 1,2,3)
† Groupe 2: 2points( année 4,5)

M.Redouane BENABDELOUAHED 91
Exemple II…
† L’équation de la droite:

M.Redouane BENABDELOUAHED 92
Exemple II…
† On soustrait les deux équation pour
trouver ‘’a’’

M.Redouane BENABDELOUAHED 93
Exemple II…
† La valeur de ‘’b’’

M.Redouane BENABDELOUAHED 94
Exemple II…
† L’équation de la droite est maintenant
trouvée:
Y = 9000 X +587 000
† Il est facile maintenant de prévoir de
la 6ème année, en remplaçant X par sa
valeur:
Y = 9000 * 6 +587 000
Ventes 2006= 641 000 DH

M.Redouane BENABDELOUAHED 95
M.Redouane BENABDELOUAHED 96
Prévisions par la méthode des
moindres carrées
† Encore appelée méthode de décomposition,
les prévisions par la méthode des moindres
carrées décomposent la valeur des
consommations futures en trois facteur :
„ Tn = tendance des consommations ou droite des
moindres carrés;
„ Cn = coefficient cyclique (coefficient saisonnier
ou coefficient de saisonnalité). Il est exprimé en
pourcentage;
„ Rn = valeur résiduelle de la période. elle est
exprimée en pourcentage.
„ Prévision des consommations à la période
(n) : Pn = Tn x Cn x Rn

M.Redouane BENABDELOUAHED 97
 Principe graphique
F
CA
E’ F’
C
D’
B
C’ E
D
A’ B’

N-5 N-4 N-3 N-2 N-1 N N+1 Temps

M.Redouane BENABDELOUAHED 98
 Principe graphique
Ajustement linéaire par la méthode des moindres carrés
Variable Y
Le nuage de points est supposé linéaire

yi observé Mi
La droite d'ajustement linéaire D
yi projeté y=ax+b
Pi

projection sur D de M

xi
La différence entre le point observé et le point Variable X
projeté est appelé erreur ou écart

M.Redouane BENABDELOUAHED 99
La méthode des moindres carrés

‰ La droite d’ajustement est telle que la

distance (AA’+BB’+CC’+…+FF’) est
minimale.
‰ C’est la droite qui passe au plus près
de tous les points de la série. Cette
méthode doit systématiquement être
utilisée lorsque l’évolution des ventes
est irrégulière.

M.Redouane BENABDELOUAHED 100