Vidéo: Excel 2016 : Fonction prévision 2025
Les moyennes mobiles sont l'un des trois outils principaux que le module complémentaire Excel Data Analysis vous permet de faire des prévisions. Vous connaissez peut-être déjà les moyennes mobiles. Ils ont deux caractéristiques principales, comme son nom l'indique:
- Ils déménagent. Plus précisément, ils évoluent avec le temps. La première moyenne mobile peut impliquer lundi, mardi et mercredi; dans ce cas, la deuxième moyenne mobile impliquerait mardi, mercredi et jeudi; le troisième mercredi, jeudi et vendredi, et ainsi de suite.
- Ce sont des moyennes. La première moyenne mobile peut être la moyenne des ventes de lundi, mardi et mercredi. Ensuite, la deuxième moyenne mobile serait la moyenne des ventes de mardi, mercredi et jeudi, et ainsi de suite.
L'idée de base, comme pour toutes les méthodes de prévision, est que quelque chose de régulier et prévisible se passe - souvent appelé le signal. Les ventes de chaussures de ski augmentent régulièrement au cours de l'automne et de l'hiver, et elles sont prévisibles au printemps et en été. Les ventes de bière augmentent régulièrement sur les dimanches de la NFL et tombent de manière prévisible sur les autres jours de la semaine.
Mais quelque chose d'autre se passe, quelque chose d'irrégulier et d'imprévisible - souvent appelé bruit. Si un magasin d'articles de sport locaux vend des chaussures de ski de mai à juillet, vous et vos amis pouvez acheter de nouvelles bottes pendant le printemps et l'été, même si le modèle de vente habituel (le signal) dit que les gens achètent bottes pendant l'automne et l'hiver. En tant que prévisionniste, vous ne pouvez généralement pas prédire cette vente spéciale. C'est aléatoire et tend à dépendre de choses comme le surstock. C'est du bruit.
bruit - la différence entre ce que vous prédisez et ce qui se passe réellement. Par définition, le bruit est imprévisible, et pour un prévisionniste c'est une douleur.L'idée est que le bruit est moyen, et que les moyennes mobiles vous montrent le signal. Pour citer mal Johnny Mercer, si vous accentuez le signal et éliminez le bruit, vous avez une bonne prévision.
Donc, avec les moyennes mobiles, vous tenez compte du signal - le fait que vous vendiez plus de chaussures de ski pendant certains mois et moins pendant les autres mois, ou que vous vendiez plus de bière le week-end que la semaine. En même temps, vous voulez que les bruits aléatoires - également appelés
erreurs - s'annulent mutuellement. Vous faites cela en faisant la moyenne de ce qui est déjà arrivé dans deux, trois, quatre ou plusieurs périodes consécutives précédentes. Le signal dans ces périodes est accentué par la moyenne, et cette moyenne tend également à minimiser le bruit. Supposons que vous décidiez de baser vos moyennes mobiles sur des enregistrements de deux mois. Autrement dit, vous calculerez la moyenne de janvier et février, puis février et mars, puis mars et avril, et ainsi de suite. Dans ce cas, vous maîtrisez le signal en faisant la moyenne de deux mois consécutifs et en réduisant le bruit en même temps. Ensuite, si vous voulez prévoir ce qui se passera en mai, vous espérez pouvoir utiliser le signal, c'est-à-dire la moyenne de ce qui s'est passé en mars et en avril.
La figure montre un exemple des résultats mensuels des ventes et de la moyenne mobile sur deux mois.
La moyenne mobile indique la direction générale des ventes (le signal) et désactive les variations aléatoires (le bruit).
