• 15 heures
  • Difficile

Ce cours est visible gratuitement en ligne.

course.header.alt.is_video

course.header.alt.is_certifying

J'ai tout compris !

Mis à jour le 18/09/2024

Appréhendez le lissage exponentiel simple

Les méthodes de lissage exponentiel, basées sur les travaux de Holt et Winters, ne font plus l'objet de recherches. Si elles peuvent apparaître "faibles" théoriquement, elles sont faciles à mettre en œuvre, d'où leur utilisation populaire dans le passé. Leur objectif est de prévoir à la date T une série temporelle à un horizon $\(\ell\)$ à partir de T observations $\(\left( X_{1},\ldots,X_{T}\right).\)$

Méthode

Le lissage exponentiel simple (LES) consiste à supposer que $\(X_{t}\)$ est approximable autour de T par une constante $\(a_{T}\)$ .
Soit $\(\widehat{X}_{t}(\ell)\)$ la prévision de $\(X_{T+\ell}\)$ à l'instant T.
La prévision par la méthode du LES est la suivante :

$\[{\forall \ell\in\mathbb{N}^{\ast}:\widehat{X}_{T}(\ell)=\widehat{X}_{T}(1)=\widehat{X}_{T+1}=\left( 1-\alpha\right)\sum_{t=0}^{T-1}\alpha^{t}X_{T-t}}\]$

$\(\alpha\in\left] 0,1\right[\)$ désigne le coefficient de lissage.
On peut remarquer que :

  • Les réalisations ont d'autant plus de poids qu'elles sont récentes (en effet le poids $\(\alpha^t\)$ devant $\(X_{T-t}\)$ décroît avec t).

La prévision ne dépend pas de l'horizon $\(\ell\)$ , ce qui peut laisser pantois en l'état.

Formule de mise à jour

Il n'est pas obligatoire de recalculer entièrement la prévision à chaque instant.\\
On a en effet :
 

$\[\widehat{X}_{T+1}=\left( 1-\alpha\right) X_{T}+\alpha\widehat{X}_{T}\\]$

D'où :

$\[\widehat{X}_{T+1}=\widehat{X}_{T}+\left( 1-\alpha\right)\left( X_{T}-\widehat{X}_{T}\right)\]$

On peut ainsi calculer la lissée $\(\widehat{X}_{t}\)$ à n'importe quel instant t en fonction de celle à l'instant t-1.

Choix du coefficient de lissage
On utilise un algorithme d'optimisation afin de minimiser la quantité suivante :

$\[\sum_{t=1}^{T-1}\left( X_{t+1}-\widehat{X}_{t+1}\right) ^{2}=\sum_{t=1}^{T-1}\left( X_{t+1}-\left( 1-\alpha\right)\sum_{i=0}^{t-1}\alpha^{i}X_{t-i}\right) ^{2}\\]$

Cette quantité est la somme des écarts quadratiques entre les réalisations et les prévisions de la série temporelle.

Exemple de certificat de réussite
Exemple de certificat de réussite