Sie sind auf Seite 1von 25

INSTITUT AGRONOMIQUE

ET VTRINAIRE HASSAN II
--------

DPARTEMENT
DE STATISTIQUE APPLIQUE



ANALYSE
DES SERIES CHRONOLOGIQUES
Professeur L. BAAMAL

SOMMAIRE



1. GENERALITES ........................................................................................................................................................... 1
1.1. QU'EST-CE QU'UNE SERIE CHRONOLOGIQUE ? ............................................................................................ 1
1.2. QUELS TYPES DE SERIES CHRONOLOGIQUES PEUT-ON ANALYSER ? .................................................... 1
1.3. COMMENT DEBUTER L'ANALYSE D'UNE SERIE CHRONOLGIQUE ? ........................................................ 2
1.4. LES DIFFERENTES COMPOSANTES D'UNE SERIE ......................................................................................... 3
1.5. OBJECTIFS DE L'ETUDE D'UNE SERIE CHRONOLGIQUE ............................................................................. 4
2. LES METHODES DE DECOMPOSITION............................................................................................................... 4
2.1. INTRODUCTION ................................................................................................................................................... 4
2.2. LES MODLES DE DCOMPOSITION ............................................................................................................... 4
2.3. ANALYSE DE LA TENDANCE GENERALE ....................................................................................................... 5
2.4. ANALYSE DE LA COMPOSANTE SAISONNIRE ............................................................................................ 9
2.5. ANALYSE DE LA COMPOSANTE IRRGULIRE .......................................................................................... 14
2.6. REALISATION DES PREVISIONS ..................................................................................................................... 16
3. LES PREVISIONS PAR LISSAGE .......................................................................................................................... 19
3.1. INTRODUCTION ................................................................................................................................................. 19
3.2. SERIE SANS TENDANCE ET SANS COMPOSANTE SAISONNIERE ............................................................ 19
3.3. SERIE AVEC TENDANCE ET SANS COMPOSANTE SAISONNIERE ........................................................... 20
3.4. SERIE AVEC TENDANCE ET COMPOSANTE SAISONNIERE ...................................................................... 22
4. LES PREVISIONS PAR LA METHODOLOGIE DE BOX ET JENKINS .... ERREUR ! SIGNET NON DEFINI.
5. APPLICATIONS .................................................................................................. ERREUR ! SIGNET NON DEFINI.
6. DOCUMENTATION ................................................................................................................................................. 23


IAV/DSA/L. BAAMAL Page 1
1. GENERALITES
1.1. QU'EST-CE QU'UNE SERIE CHRONOLOGIQUE ?

On appelle srie chronologique, une suite d'observations chiffres ordonnes dans le
temps. On peut galement utiliser d'autres appellations telles que : chronique ou srie
temporelle.

Exemple :

Dans le tableau 1, nous avons prsent un exemple de srie chronologique concernant
les prix moyens de vente (en FF/kg) du turbot, observs en France entre janvier 1980 et
mai 1986.

Tableau 1. Prix de vente du turbot en France observs entre janvier 1980 et mai
1986 (en FF/kg).



Jan Fv Mars Avr Mai Juin Juil Aot Sep Oct Nov Dc
1980
1981
1982
1983
1984
1985
1986
37
38
40
52
58
58
80
36
37
42
54
50
65
70
37
40
42
50
65
60
65
47
45
46
50
60
65
60
33
38
40
42
45
55
52
30
39
28
35
41
50
35
34
34
38
48
52
35
35
33
45
56
68
38
42
45
50
60
70
35
44
44
55
60
68
37
42
40
48
50
60
38
52
55
52
55
70


Les sries chronologiques peuvent tre de divers types. Lorsque la caractristique dont on
suit l'volution au cours du temps est observe continuellement, on parlera de srie
chronologique continue. Par contre, si la caractristique est observe uniquement
certains moments, on parlera de srie chronologique discrte, mme si le phnomne
sous-jacent est continu. Ainsi, par exemple, les donnes horaires de la temprature
constituent une srie discrte, alors que les rsultats d'un thermomtre enregistreur
reprsentent une srie continue.

Quant la caractristique dont on suit l'volution, elle peut correspondre un niveau ou
un flux. Dans le cas d'un niveau, il s'agit de la valeur de la caractristique l'instant mme
de l'observation, alors que dans le cas d'un flux, la valeur de la caractristique observe
se rapporte une priode donne (semaine, mois, etc.). Par exemple, le prix de vente
d'un aliment donn au premier de chaque mois (tel que les donnes du tableau 1)
reprsente un niveau, alors que la quantit vendue au cours de chacun des mois de
l'anne reprsente un flux.


1.2. QUELS TYPES DE SERIES CHRONOLOGIQUES PEUT-ON ANALYSER ?

Les mthodes que nous allons prsenter s'appliquent des sries chronologiques
univaries. Cela signifie que lors de l'tude des sries, on ne tiendra compte que des
observations relatives une seule caractristique. Si plusieurs caractristiques sont
observes aux mmes instants, on tudiera de faon indpendante la srie chronologique
relative chacune des caractristiques sans tenir compte des relations qui peuvent exister
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 2
entre les diverses sries. On signale, toutefois, que des techniques existent pour l'tude
de tels problmes (techniques de rgression, mthodes d'analyse de sries
chronologiques multivaries).

Nous ne considrerons galement que des sries chronologiques discrtes dont les
observations sont prises des intervalles de temps gaux ou approximativement gaux
(donnes horaires, journalires, mensuelles, etc.).

Si la srie de dpart est continue, on peut se ramener une srie discrte en ne prenant
en compte que des observations relatives des intervalles de temps fixs et en ngligeant
les observations intermdiaires ou alors en calculant les totaux ou les moyennes pour des
intervalles de temps fixs. Une telle solution peut galement tre envisage si la srie
initiale correspond des mesures ralises des intervalles de temps plus faibles que
l'intervalle de temps souhait pour l'analyse (si par exemple les observations sont faites
quotidiennement, alors qu'on envisage de raliser une analyse mensuelle).

1.3. COMMENT DEBUTER L'ANALYSE D'UNE SERIE CHRONOLGIQUE ?

Toute tude d'une srie chronologique commence par l'examen du graphique de la srie.
Ce graphique s'obtient en portant dans un systme d'axes perpendiculaires, les valeurs
des observations en fonctions de leur date d'observation.


Figure 1. volution du prix du turbot en France, entre janvier 1980 et mai 1986.


j
f
m
a
m
j
j a
s
o
n
d j
f
m
a
m
j
j
a
s
o
n
d
j
f m
a
m
j
j
a
s
o
n
d
j
f
ma
m
j
j
a
s
o
n
d
j
f
m
a
m
j
j
a
s o
n
d
j
f
m
a
m
j
j
a
s
o
n
d
j
f
m
a
m
20
30
40
50
60
70
80
90
j
a
n
v
-
8
0
a
v
r
-
8
0
j
u
i
l
-
8
0
o
c
t
-
8
0
j
a
n
v
-
8
1
a
v
r
-
8
1
j
u
i
l
-
8
1
o
c
t
-
8
1
j
a
n
v
-
8
2
a
v
r
-
8
2
j
u
i
l
-
8
2
o
c
t
-
8
2
j
a
n
v
-
8
3
a
v
r
-
8
3
j
u
i
l
-
8
3
o
c
t
-
8
3
j
a
n
v
-
8
4
a
v
r
-
8
4
j
u
i
l
-
8
4
o
c
t
-
8
4
j
a
n
v
-
8
5
a
v
r
-
8
5
j
u
i
l
-
8
5
o
c
t
-
8
5
j
a
n
v
-
8
6
a
v
r
-
8
6
Temps
P
r
i
x

(
F
/
k
g
)
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 3
L'examen du graphique d'une srie fait souvent apparatre les caractristiques les plus
importantes de la srie.

Ainsi, dans le graphique de la figure 1, relatif aux prix du turbot, on constate une
croissance des prix au cours du temps : on dira que la srie prsente une tendance bien
marque. Toutefois, outre la tendance la hausse au cours du temps, on constate une
alternance de priodes valeurs leves et de priodes valeurs faibles, ces deux
priodes sont spares par des priodes valeurs intermdiaires. On peut donc dire que
la srie prsente un effet saisonnier trs marqu.

Le graphique d'une srie chronologique peut galement rvler des modifications dans la
structure de la srie telles que, par exemple, l'existence d'une tendance croissante jusqu'
une date donne, suivie d'une tendance dcroissante ou encore une diminution brutale du
niveau moyen de la srie partir d'une date donne. Si le comportement d'une srie a
manifestement chang une date donne, il est opportun de la scinder en deux parties de
faon obtenir deux sries structure homogne qui seront analyses sparment.

Par ailleurs, la srie peut prsenter une date donne, une observation manifestement
loigne de l'observation laquelle on aurait pu s'attendre. Une telle observation peut tre
qualifie de donne aberrante ou anormale. Dans ce cas, il faut d'abord s'assurer que
cette donne ne rsulte pas d'une erreur de mesure, de transcription ou d'encodage. Dans
certains cas, la prsence d'une telle donne peut s'expliquer par une cause bien connue
telle qu'une priode de grve, une catastrophe naturelle ou une situation conomique
particulire. Que la raison de la prsence d'une donne aberrante soit connue ou non, il
est souvent trs utile de supprimer cette donne avant d'entamer l'analyse, car elle
pourrait perturber compltement l'tude de la srie.

1.4. LES DIFFERENTES COMPOSANTES D'UNE SERIE

D'une manire gnrale, une srie chronologique est constitue de quatre composantes :
la tendance, la composante cyclique, la composante saisonnire et la composante
irrgulire.

- La tendance reprsente l'volution moyenne long terme de la variable tudie.

- La composante cyclique reprsente thoriquement un comportement priodique
trs long terme. En pratique, il est trs difficile d'isoler la composante cyclique, car en
gnral on ne dispose pas de sries stables d'une longueur correspondant plusieurs
cycles. Par consquent, lors de l'analyse on confondra la composante cyclique et la
tendance proprement dite.

- La composante saisonnire est une composante priodique, dont la priodicit
dpend de notre environnement (influence des saisons, alternance du jour et la nuit,
impact des vacances, des ftes, des week-ends, etc.).

- La composante irrgulire regroupe tout ce qui n'est pas pris en compte par les
composantes prcdentes. On considre qu'il s'agit d'une composante alatoire
correspondant un rsidu.


Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 4
1.5. OBJ ECTIFS DE L'ETUDE D'UNE SERIE CHRONOLGIQUE

Trois objectifs principaux peuvent tre poursuivis lorsqu'on tudie une srie
chronologique.

- Le premier objectif est une simple description de la srie : on s'efforce alors de mettre
en vidence les diffrentes composantes de la srie : tendance, composante
saisonnire, etc. Cet objectif peut tre atteint trs simplement par l'examen du
graphique de la srie.

- Le deuxime objectif peut tre celui d'liminer d'une srie chronologique donne, une
ou plusieurs composantes.

- Le troisime objectif de l'tude des sries chronologiques est la ralisation de
prvisions : on souhaite prvoir les valeurs futures de la srie, compte tenu de son
volution dans le pass.

2. LES METHODES DE DECOMPOSITION
2.1. INTRODUCTION

Le principe des mthodes de dcomposition est d'identifier et d'estimer les diffrentes
composantes (tendance, composante saisonnire, etc.) d'une srie chronologique. Ces
mthodes sont particulirement intressantes lorsqu'on souhaite liminer une ou plusieurs
composantes d'une srie chronologique. C'est le cas, par exemple, pour l'tude de sries
d'indices conomiques, lorsqu'on souhaite liminer les variations saisonnires.
Cependant, elles peuvent tre galement utiles pour la description des sries et, dans
certains cas, pour le calcul des prvisions.


2.2. LES MODLES DE DCOMPOSITION

L'association des diverses composantes d'une srie chronologique peut se faire de
plusieurs faons. C'est ainsi que l'on distingue plusieurs modles de dcomposition, selon
le mode de combinaison des diffrentes composantes.

Ainsi, si
t
y reprsente la valeur observe de la srie au temps t,
t
m reprsente la valeur
de la tendance (associe la composante cyclique) au temps t,
t
s reprsente la
composante saisonnire au temps t et
t
d reprsente le rsidu (composante irrgulire) au
temps t, on peut dfinir les trois modles suivants.

Modle additif :

t t t t
d s m y + + = .

Modle multiplicatif :

t t t t
d s m y = .
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 5

Modle mixte :

t t t t
d s m y + = .


Le choix du modle dpend de la srie dcomposer. Le schma additif correspond en
effet un mouvement saisonnier d'amplitude constante, alors que les deux autres
modles correspondent un mouvement saisonnier d'amplitude proportionnelle au niveau
de la srie.

De mme, le modle additif et le modle mixte correspondent aux situations o l'cart-type
de la composante irrgulire est constant, tandis que le modle multiplicatif correspond
aux situations dans lesquelles cet cart-type est proportionnel la moyenne, autrement
dit, le coefficient de variation rsiduel est constant.

Parfois, le simple examen du graphique de la srie chronologique permet de vrifier le
caractre additif ou multiplicatif des composantes de la srie et plus particulirement de la
composante saisonnire.


2.3. ANALYSE DE LA TENDANCE GENERALE

L'analyse de la tendance peut se faire de deux manires diffrentes : ajustement d'un
modle ou calcul de la moyenne mobile.

2.3.1. Analyse de la tendance par ajustement d'un modle

L'approche par ajustement de modles repose sur l'hypothse que la tendance peut tre
reprsente par une courbe d'quation :

) t ( f m
t
=

,

qu'on ajuste la srie par la mthode des moindres carrs (voir rgression linaire). Le
cas le plus simple est le cas o la tendance est une fonction linaire du temps :

t b b m

1 0 t
+ = .

Exemple :

En ce qui concerne les donnes relatives aux prix du turbot en France considres au
tableau 1, l'estimation des paramtres par la mthode des moindres carrs permet
d'obtenir les rsultats b
0
= 31,63 et b
1
= 0,42 ; ce qui nous permet d'crire :

t 42 , 0 63 , 31 m

t
+ = ,

avec t = 1,2, 77.


Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 6
Les rsultats des calculs l'aide de cette quation et le graphique correspondant sont
repris respectivement dans le tableau 2 et la figure 2. Ce rsultat peut tre interprt en
disant qu'au cours de cette priode, l'accroissement annuel moyen des prix de cette
espce de poisson est gal :

( 0,42 ) ( 12 ) = 5,04 F/kg.


Tableau 2. volution du prix du turbot. Valeurs de la tendance linaire.

janv fvr mars avril mai juin juil aot sept oct nove dc
1980
1981
1982
1983
1984
1985
1986
32,1
37,1
42,1
47,2
52,2
57,3
62,3
32,5
37,5
42,6
47,6
52,6
57,7
62,7
32,9
37,9
43,0
48,0
53,1
58,1
63,1
33,3
38,4
43,4
48,4
53,5
58,5
63,6
33,7
38,8
43,8
48,9
53,9
58,9
64,0
34,2
39,2
44,2
49,3
54,3
59,4
34,6
39,6
44,7
49,7
54,7
59,8
35,0
40,0
45,1
50,1
55,2
60,2
35,4
40,5
45,5
50,5
55,6
60,6
35,8
40,9
45,9
51,0
56,0
61,0
36,3
41,3
46,3
51,4
56,4
61,5
36,7
41,7
46,8
51,8
56,8
61,9



Figure 2. volution du prix du turbot. Srie initiale et courbe de tendance linaire.


Notons que d'autres modles plus complexes peuvent tre envisags si la tendance n'est
pas linaire. Parmi ces modles, les plus courants sont cits ci-aprs.


j
f
m
a
m
j
j a
s
o
n
d j
f
m
a
m
j
j
a
s
o
n
d
j
f m
a
m
j
j
a
s
o
n
d
j
f
ma
m
j
j
a
s
o
n
d
j
f
m
a
m
j
j
a
s o
n
d
j
f
m
a
m
j
j
a
s
o
n
d
j
f
m
a
m
20
30
40
50
60
70
80
90
j
a
n
v
-
8
0
a
v
r
-
8
0
j
u
i
l
-
8
0
o
c
t
-
8
0
j
a
n
v
-
8
1
a
v
r
-
8
1
j
u
i
l
-
8
1
o
c
t
-
8
1
j
a
n
v
-
8
2
a
v
r
-
8
2
j
u
i
l
-
8
2
o
c
t
-
8
2
j
a
n
v
-
8
3
a
v
r
-
8
3
j
u
i
l
-
8
3
o
c
t
-
8
3
j
a
n
v
-
8
4
a
v
r
-
8
4
j
u
i
l
-
8
4
o
c
t
-
8
4
j
a
n
v
-
8
5
a
v
r
-
8
5
j
u
i
l
-
8
5
o
c
t
-
8
5
j
a
n
v
-
8
6
a
v
r
-
8
6
Temps
P
r
i
x

(
F
/
k
g
)
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 7
Modle tendance polynomiale :

p
p
2
2 1 0 t
t b ... t b t b b m

+ + + + = .

L'estimation des paramtres de ce modle peut aussi tre ralise par la mthode
classique des moindres carrs.


Modle tendance exponentielle :

t b
0 t
1
e b m

= .

Ce modle peut tre rendu linaire en utilisant la transformation logarithmique :

t b b m ou t b ) b ( Ln ) m

( Ln
1 0 t 1 0 t
+ ' = ' + =

,

et en appliquant la mthode des moindres carrs aux variables transformes.


Modle tendance sous forme de fonction puissance :

1
b
0 t
t b m

= .
Ce modle peut tre galement rendu linaire en utilisant la transformation logarithmique :

t b b m ou ) t ( Ln b ) b ( Ln ) m

( Ln
1 0 t 1 0 t
' + ' = ' + =

,

et en appliquant la mthode des moindres carrs aux variables transformes.


Modle tendance sous forme de fonction logistique :

( )
t
2
1
0
t
b b 1
b
m

+
= .

Modle tendance sous forme de fonction de GOMPERTZ :

( )
t
2
1 0 t
b b b exp m

+ = .

Ces deux derniers modles (fonction logistique et fonction de GOMPERTZ ) ne peuvent
pas tre linariss et pour l'estimation des paramtres, il est ncessaire de recourir la
mthode des moindres carrs non linaires.


2.3.2. Analyse de la tendance par la mthode de la moyenne mobile

Le principe de cette deuxime approche consiste faire des estimations des valeurs
moyennes de la srie pour chaque temps. Cette estimation est base sur le calcul de
moyennes mobiles.
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 8
Pour illustrer cette mthode, prenons le cas des prix du turbot du tableau 1. On commence
par le calcul de la moyenne au temps 7 (juillet 1980). La moyenne mobile correspondant
ce mois est calcule en tenant compte des six valeurs prcdentes et des six valeurs
suivantes (il s'agit donc des valeurs comprises entre les temps 1 et 13 ou entre janvier
1980 et janvier 1981) de la faon suivante :
54 , 36
2
38
38 37 35 38 35 35 30 33 47 37 36
2
37
12
1
m
7
= |
.
|

\
|
+ + + + + + + + + + + + =

.
De mme, pour le temps 8 (aot 1980), on obtient :
63 , 36
2
37
38 38 37 35 38 35 35 30 33 47 37
2
36
12
1
m
8
= |
.
|

\
|
+ + + + + + + + + + + + =

.

Le mme processus est rpt pour chaque mois jusqu' l'observation correspondant au
temps 71 (novembre 1985). Les rsultats complets du calcul des moyennes mobiles ainsi
que leur reprsentation graphique sont repris respectivement dans le tableau 3 et la
figure 3.

Tableau 3. volution du prix du turbot. Valeurs des moyennes mobiles.

janv fvr mars avril mai juin juil aot sept oct nove dc
1980
1981
1982
1983
1984
1985
1986
-
37,9
40,6
44,7
51,0
57,0
-
-
37,8
40,5
45,3
51,9
57,7
-
-
38,0
40,5
46,0
52,8
58,6
-
-
38,5
40,7
46,7
53,4
59,3
-
-
39,1
40,6
47,5
53,7
60,1
-
-
39,9
40,6
47,7
53,9
61,1
36,5
40,6
41,3
47,8
54,0
62,7
36,6
40,9
42,3
47,9
54,6
63,8
36,8
41,2
43,1
48,4
55,0
64,2
36,8
41,3
43,6
49,4
55,0
64,2
37,0
41,4
43,8
50,0
55,7
63,9
37,5
41,0
44,2
50,3
56,5
-

j
f
m
a
m
j
j a
s
o
n
d j
f
m
a
m
j
j
a
s
o
n
d
j
f m
a
m
j
j
a
s
o
n
d
j
f
ma
m
j
j
a
s
o
n
d
j
f
m
a
m
j
j
a
s o
n
d
j
f
m
a
m
j
j
a
s
o
n
d
j
f
m
a
m
20
30
40
50
60
70
80
90
j
a
n
v
-
8
0
a
v
r
-
8
0
j
u
i
l
-
8
0
o
c
t
-
8
0
j
a
n
v
-
8
1
a
v
r
-
8
1
j
u
i
l
-
8
1
o
c
t
-
8
1
j
a
n
v
-
8
2
a
v
r
-
8
2
j
u
i
l
-
8
2
o
c
t
-
8
2
j
a
n
v
-
8
3
a
v
r
-
8
3
j
u
i
l
-
8
3
o
c
t
-
8
3
j
a
n
v
-
8
4
a
v
r
-
8
4
j
u
i
l
-
8
4
o
c
t
-
8
4
j
a
n
v
-
8
5
a
v
r
-
8
5
j
u
i
l
-
8
5
o
c
t
-
8
5
j
a
n
v
-
8
6
a
v
r
-
8
6
Temps
P
r
i
x

(
F
/
k
g
)
srie initiale moyennes mobiles

Figure 3. volution du prix du turbot. Srie initiale et moyennes mobiles.

Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 9
Les moyennes ainsi calcules sont appeles moyennes mobiles symtriques d'ordre 12,
car on tient compte, outre la valeur du mois concern, de 6 valeurs antrieures et 6
valeurs postrieures chaque mois. On constate qu'avec ce processus, il est impossible
de calculer les moyennes mobiles pour les six premiers et les six derniers mois de la srie.
Par consquent, on obtient une nouvelle srie (appele srie lisse) plus courte (elle
comporte 12 valeurs de moins) que la srie initiale.

D'une manire gnrale, l'ordre de la moyenne mobile doit correspondre celui de la
priode de saisonnalit. Si cette priode (dsigne par k) est paire, la moyenne mobile
symtrique d'ordre k pour un temps t est donne par la formule :

2
k
p avec ,
2
y
y
2
y
k
1
m
p t
1 p
1 p j
j t
p t
t
=
|
|
.
|

\
|
+ + =
+

+ =
+

,
et t variant entre p+1 et n-p (n dsignant le nombre de valeurs de la srie initiale).

Par contre, si la priode (k) est impaire, la moyenne mobile symtrique d'ordre k pour un
temps t est donne par la formule :

2
1 k
p avec , y
k
1
m
p
p j
j t t

= =

=
+

,
et t variant entre p+1 et n-p.


2.3.3. Avantages et inconvnients des deux approches

L'avantage de l'ajustement d'un modle mathmatique pour estimer la tendance gnrale
est la possibilit de raliser des extrapolations afin de pouvoir faire des prvisions pour le
futur. Par contre, il n'est pas toujours possible de trouver une fonction mathmatique
suffisamment simple, capable de s'ajuster correctement aux donnes. De plus, cette
approche prsente l'inconvnient de ncessiter un nouvel ajustement chaque fois qu'on
rajoute des observations complmentaires la srie, ce qui conduit aussi une
modification des valeurs estimes par la tendance pour les donnes du pass.

L'avantage de l'estimation de la tendance gnrale par la moyenne mobile est la simplicit
et la grande souplesse de la mthode. Celle-ci est en effet applicable quelle que soit
l'allure de la tendance gnrale. De plus, les moyennes mobiles peuvent tre calcules
sans difficult au fur et mesure de l'acquisition des nouvelles donnes, sans qu'il ait lieu
de remettre en question les moyennes dj calcules. Son inconvnient majeur est qu'elle
ne permet pas le calcul d'extrapolations et qu'on ne pourra ds lors pas utiliser cette
approche pour raliser des prvisions.


2.4. ANALYSE DE LA COMPOSANTE SAISONNIRE

La procdure d'estimation de la composante saisonnire diffre selon le modle de
dcomposition, c'est--dire selon le mode d'association des composantes de la srie (voir
paragraphe 2.2). A titre d'illustration, nous allons considrer qu'il s'agit de donnes
mensuelles, sachant que la procdure est similaire pour d'autres situations (donnes
quotidiennes, hebdomadaires, etc.).
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 10
2.4.1. Cas du modle additif

Dans le cas du modle additif, l'estimation de la composante saisonnire consiste en la
dtermination d'une srie de valeurs appeles carts saisonniers. Ces carts peuvent
tre positifs ou ngatifs, selon que le mois correspondant est associ des valeurs plus
leves ou plus faibles que le niveau moyen de la srie. La procdure de calcul de ces
carts saisonniers est dcrite ci-aprs.

(i). On estime les valeurs de la tendance par une des mthodes cites au
paragraphe 2.3.
(ii). On calcule la diffrence entre chaque observation de la srie initiale et la valeur
correspondante de la tendance.
(iii). On calcule l'cart saisonnier pour chaque mois, en faisant la moyenne
arithmtique des diffrences calcules l'tape (ii).
(iv). On calcule la moyenne des 12 carts saisonniers calculs l'tape (iii).
(v). Si la moyenne de ces carts saisonniers est nulle, le calcul est termin. Sinon, on
corrige en retranchant, de chaque cart, la valeur de la moyenne calcule
l'tape (iv).


Exemple :

Pour illustrer cette procdure, reprenons l'exemple des prix du turbot considr
prcdemment en admettant qu'il s'agit d'un modle additif tendance linaire.

(i). Les valeurs de la tendance linaire sont celles qui ont t calcules au
paragraphe 2.3.1 (tableau 2).
(ii). Les diffrences entre les valeurs de la srie initiale et les valeurs de la tendance
sont donnes dans le tableau 4.
(iii). Les moyennes des diffrences pour chaque mois sont reprises l'avant-dernire
ligne (csi) du tableau 4.
(iv). La moyenne des 12 carts saisonniers calculs l'tape (iii) est donne droite
de l'avant-dernire ligne du tableau 4.
(v). On constate que la moyenne des carts saisonniers est gale 0,10. Par
consquent, on retranche cette valeurs de tous les carts, pour obtenir les
coefficients saisonniers corrigs (cs) qui sont repris la dernire ligne du
tableau 4. (On vrifie, l'extrme droite de la dernire ligne, que la moyenne des
carts saisonniers corrigs est nulle).

Tableau 4. Evolution du prix du turbot. Calcul des carts saisonniers (modle additif
tendance linaire).

j f m a m j j a s o n d
1980 4,95 3,53 4,11 13,69 -0,73 -4,15 0,43 0,01 2,59 -0,83 0,75 1,33
1981 0,91 -0,51 2,07 6,65 -0,77 -0,19 -5,61 -5,03 1,55 3,13 0,71 10,29
1982 -2,13 -0,55 -0,97 2,61 -3,81 -16,23 -10,65 -12,07 -0,49 -1,91 -6,33 8,25
1983 4,83 6,41 1,99 1,57 -6,85 -14,27 -11,69 -5,11 -0,53 4,05 -3,37 0,21
1984 5,79 -2,63 11,95 6,53 -8,89 -13,31 -6,73 0,85 4,43 4,01 -6,41 -1,83
1985 0,75 7,33 1,91 6,49 -3,93 -9,35 -7,77 7,81 9,39 6,97 -1,45 8,13
1986 17,71 7,29 1,87 -3,55 -11,97
Csi 4,69 2,98 3,28 4,86 -5,28 -9,58 -7,00 -2,26 2,82 2,57 -2,68 4,40 -0,10
Cs 4,79 3,08 3,38 4,96 -5,18 -9,48 -6,90 -2,16 2,92 2,67 -2,58 4,50 0,00

Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 11

On peut dire partir de ces rsultats que pour le mois d'avril, par exemple, le prix du kilo
de turbot est de 4,96 F plus lev que la valeur estime par la tendance gnrale. Au
contraire, au mois de juin, le prix du kilo de turbot est de 9,48 F plus faible que la valeur
estime par la tendance gnrale.


Par la suite, si on retranche des valeurs de la srie initiale les carts saisonniers que l'on
vient de calculer, on obtient une nouvelle srie chronologique appele srie
dsaisonnalise ou srie corrige des variations saisonnires. Cette srie est donne
au tableau 5 et une reprsentation graphique en est fournie la figure 4.

Tableau 5. Evolution du prix du turbot. Srie dsaisonnalise (modle additif
tendance linaire).

j f m a m j j a s o n d
1980 32 33 34 42 38 39 42 37 35 32 40 34
1981 33 34 37 40 43 48 41 37 39 41 45 48
1982 35 39 39 41 45 37 41 35 42 41 43 51
1983 47 51 47 45 47 44 45 47 47 52 51 48
1984 53 47 62 55 50 50 55 58 57 57 53 51
1985 53 62 57 60 60 59 59 70 67 65 63 66
1986 75 67 62 55 57



Figure 4. Evolution du prix du turbot. Srie dsaisonnalise (modle additif tendance
linaire).


j
f
m
a
m
j
j a
s
o
n
d j
f
m
a
m
j
j
a
s
o
n
d
j
f m
a
m
j
j
a
s
o
n
d
j
f
ma
m
j
j
a
s
o
n
d
j
f
m
a
m
j
j
a
so
n
d
j
f
m
a
m
j
j
a
s
o
n
d
j
f
m
a
m
20
30
40
50
60
70
80
90
j
a
n
v
-
8
0
a
v
r
-
8
0
j
u
i
l
-
8
0
o
c
t
-
8
0
j
a
n
v
-
8
1
a
v
r
-
8
1
j
u
i
l
-
8
1
o
c
t
-
8
1
j
a
n
v
-
8
2
a
v
r
-
8
2
j
u
i
l
-
8
2
o
c
t
-
8
2
j
a
n
v
-
8
3
a
v
r
-
8
3
j
u
i
l
-
8
3
o
c
t
-
8
3
j
a
n
v
-
8
4
a
v
r
-
8
4
j
u
i
l
-
8
4
o
c
t
-
8
4
j
a
n
v
-
8
5
a
v
r
-
8
5
j
u
i
l
-
8
5
o
c
t
-
8
5
j
a
n
v
-
8
6
a
v
r
-
8
6
Temps
P
r
i
x

(
F
/
k
g
)
srie initiale srie dsaisonnalise
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 12
2.4.2. Cas des modles multiplicatif et mixte

Dans le cas du modle multiplicatif ou du modle mixte, l'estimation de la composante
saisonnire consiste en la dtermination d'une srie de valeurs appeles coefficients
saisonniers. Ces coefficients peuvent tre suprieurs ou infrieurs 1, selon que le mois
correspondant est associ des valeurs plus leves ou plus faibles que le niveau moyen
de la srie. La procdure de calcul de ces coefficients saisonniers est dcrite ci-aprs.

(i). On estime les valeurs de la tendance par une des mthodes cites au
paragraphe 2.3.
(ii). On calcule le rapport entre chaque observation de la srie initiale et la valeur
correspondante de la tendance.
(iii). On calcule le coefficient saisonnier pour chaque mois, en faisant la moyenne
arithmtique des rapports calcules l'tape (ii).
(iv). On calcule la moyenne des 12 coefficients saisonniers calculs l'tape (iii).
(v). Si la moyenne de ces coefficients saisonniers est gale 1, le calcul est termin.
Sinon, on corrige en divisant chaque coefficient par la moyenne calcule
l'tape (iv).


Exemple :

Pour illustrer la procdure de calcul des coefficients saisonniers, reprenons l'exemple des
prix du turbot considr prcdemment, en admettant qu'il s'agit d'un modle multiplicatif
ou mixte tendance linaire.

(i). Les valeurs de la tendance linaire sont celles qui ont t calcules au paragraphe
2.3.1 (tableau 2).
(ii). Les rapports entre les valeurs de la srie initiale et les valeurs de la tendance sont
donnes dans le tableau 6.
(iii). Les moyennes des rapports pour chaque mois sont reprises la dernire ligne (cs)
du tableau 6.
(iv). ,(v). On constate que la moyenne des 12 coefficients saisonniers calculs
l'tape (iii), qui est donne l'extrme droite de la dernire ligne du tableau 6, est
gale 1. Par consquent, aucune correction ne s'avre ncessaire.

Tableau 6. Evolution du prix du turbot. Calcul des coefficients saisonniers (modle
multiplicatif tendance linaire).

j f m a m j j a s o n d
1980 1,15 1,11 1,12 1,41 0,98 0,88 1,01 1,00 1,07 0,98 1,02 1,04
1981 1,02 0,99 1,05 1,17 0,98 1,00 0,86 0,87 1,04 1,08 1,02 1,25
1982 0,95 0,99 0,98 1,06 0,91 0,63 0,76 0,73 0,99 0,96 0,86 1,18
1983 1,10 1,13 1,04 1,03 0,86 0,71 0,76 0,90 0,99 1,08 0,93 1,00
1984 1,11 0,95 1,23 1,12 0,84 0,75 0,88 1,02 1,08 1,07 0,89 0,97
1985 1,01 1,13 1,03 1,11 0,93 0,84 0,87 1,13 1,15 1,11 0,98 1,13
1986 1,28 1,12 1,03 0,94 0,81
Cs 1,09 1,06 1,07 1,12 0,90 0,80 0,86 0,94 1,05 1,05 0,95 1,09 1,00


Ces rsultats nous permettent de dire que pour le mois d'avril, par exemple, le prix du kilo
de turbot reprsente 1,12 fois ou 112% du prix estim par la tendance gnrale. Au
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 13
contraire, au mois de juin, le prix du kilo de turbot reprsente 0,80 fois ou 80% du prix
estim par la tendance gnrale.

Par la suite, si on divise les valeurs de la srie initiale par les coefficients saisonniers que
l'on vient de calculer, on obtient une nouvelle srie chronologique appele srie
dsaisonnalise ou srie corrige des variations saisonnires. Cette srie est donne
au tableau 7 et une reprsentation graphique en est fournie la figure 5.

Tableau 7. Evolution du prix du turbot. Srie dsaisonnalise (modle multiplicatif
tendance linaire).

j f m a m j j a s o n d
1980 34 34 35 42 37 37 41 37 36 33 39 35
1981 35 35 37 40 42 49 40 37 40 42 44 48
1982 37 40 39 41 44 35 40 35 43 42 42 50
1983 48 51 47 45 47 44 44 48 47 53 51 48
1984 53 47 61 53 50 51 56 59 57 57 53 50
1985 53 61 56 58 61 62 61 72 66 65 63 64
1986 73 66 61 53 58



Figure 5. Evolution du prix du turbot. Srie dsaisonnalise (modle multiplicatif
tendance linaire).

j
f
m
a
m
j
j a
s
o
n
d j
f
m
a
m
j
j
a
s
o
n
d
j
f m
a
m
j
j
a
s
o
n
d
j
f
ma
m
j
j
a
s
o
n
d
j
f
m
a
m
j
j
a
s o
n
d
j
f
m
a
m
j
j
a
s
o
n
d
j
f
m
a
m
20
30
40
50
60
70
80
90
j
a
n
v
-
8
0
a
v
r
-
8
0
j
u
i
l
-
8
0
o
c
t
-
8
0
j
a
n
v
-
8
1
a
v
r
-
8
1
j
u
i
l
-
8
1
o
c
t
-
8
1
j
a
n
v
-
8
2
a
v
r
-
8
2
j
u
i
l
-
8
2
o
c
t
-
8
2
j
a
n
v
-
8
3
a
v
r
-
8
3
j
u
i
l
-
8
3
o
c
t
-
8
3
j
a
n
v
-
8
4
a
v
r
-
8
4
j
u
i
l
-
8
4
o
c
t
-
8
4
j
a
n
v
-
8
5
a
v
r
-
8
5
j
u
i
l
-
8
5
o
c
t
-
8
5
j
a
n
v
-
8
6
a
v
r
-
8
6
Temps
P
r
i
x

(
F
/
k
g
)
srie initiale srie dsaisonnalise
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 14
2.5. ANALYSE DE LA COMPOSANTE IRRGULIRE

La composante irrgulire correspond aux rsidus englobant tout ce qui n'a pas t pris
en considration par la tendance et la composante saisonnire.

Dans le cas du modle additif, les rsidus s'obtiennent en soustrayant de chacune des
observations, la valeur de la tendance et de l'cart saisonnier. Pour le modle mixte, on
soustrait le produit de la tendance et du coefficient saisonnier et, pour le modle
multiplicatif, on divise chacune des observations par le produit de la tendance et du
coefficient saisonnier.

De nombreuses mthodes peuvent tre utilises pour vrifier le caractre alatoire des
rsidus. Parmi ces mthodes, nous citons notamment le test de Durbin-Watson qui permet
de tester s'il existe une corrlation significative entre les rsidus
1
.

Trs souvent, il existe une corrlation significative entre les rsidus d'une srie
chronologique. Par consquent, on peut adopter le modle suivant, reliant le rsidu au
temps t et le rsidu au temps t-1 par une quation de la forme :

1 t t
d r d

= ,

dans le cas du modle additif ; et de la forme :

r
1 t t
) d ( d

= ,

dans le cas du modle multiplicatif. Dans ces quations, r est li au degr de corrlation
entre les termes de la srie. Comme la dernire quation peut tre ramene sous la forme
de la premire en utilisant les logarithmes des rsidus au lieu des rsidus eux mme, nous
ne dtaillerons les procdures de calcul, dans ce qui suit, que pour le premier modle.

Par ailleurs, comme il s'agit d'une quation de rgression particulire, exprimant le rsidu
au temps t en fonction du rsidu au temps t-1, le modle est dit auto-rgressif.

La dtermination du paramtre r est ralise en utilisant la mthode de calcul classique du
coefficient de rgression (passant par l'origine) entre les valeurs des rsidus (ou leurs
logarithmes) et les valeurs correspondantes dcales d'une priode.

D'une manire plus explicite, on considrera qu'il y a deux variables contenant chacune
n - 1 observations. La premire variable comprend les valeurs du rsidu de rang 2
jusqu'au rsidu de rang n, et la deuxime comprend les valeurs du rsidu de rang 1
jusqu'au rsidu de rang n - 1. Ainsi r est obtenu par la formule :

=

=

=
n
2 t
2
1 t
n
2 t
t 1 t
d
d d
r .


1
Des informations complmentaires ce sujet peuvent tre obtenues en consultant des ouvrages qui traitent de la
rgression.
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 15
Exemple :

Afin d'illustrer la mthode d'ajustement du modle auto-rgressif aux rsidus, prenons
l'exemple des prix du turbot considr prcdemment.

1. modle additif tendance linaire

En considrant qu'il s'agit d'un modle de dcomposition additif tendance linaire, les
valeurs estimes de la tendance et les carts saisonniers sont donnes respectivement
dans les tableaux 2 et 4.

Les rsidus sont donc dtermins en retranchant, de la srie initiale (tableau 1), la somme
de ces deux composantes ; ce qui revient aussi soustraire, de la srie dsaisonnalise
(tableau 5), les valeurs de la tendance (tableau 2). Les rsultats obtenus sont repris dans
le tableau 8.

Tableau 8. Evolution du prix du turbot. Srie des rsidus (modle additif tendance
linaire).

j f m a m j j a s o n d
1980 0 0 1 9 4 5 7 2 0 -4 3 -3
1981 -4 -4 -1 2 4 9 1 -3 -1 0 3 6
1982 -7 -4 -4 -2 1 -7 -4 -10 -3 -5 -4 4
1983 0 3 -1 -3 -2 -5 -5 -3 -3 1 -1 -4
1984 1 -6 9 2 -4 -4 0 3 2 1 -4 -6
1985 -4 4 -1 2 1 0 -1 10 6 4 1 4
1986 13 4 -2 -9 -7


Le coefficient de rgression r est dtermin en considrant la premire variable
comprenant les valeurs des rsidus de fvrier 1980 jusqu' mai 1986, et la deuxime
comprenant les valeurs des rsidus de janvier 1980 jusqu' avril 1986. La valeur ainsi
calcule est gale 0,419. Le modle auto-rgressif ajust aux rsidus peut donc
s'crire :

1
419 , 0

=
t t
d d .

2. modle multiplicatif tendance linaire

En considrant qu'il s'agit d'un modle de dcomposition multiplicatif tendance linaire,
les valeurs estimes de la tendance et les coefficients saisonniers sont donnes
respectivement dans les tableaux 2 et 6.

Les rsidus sont donc dtermins en divisant la srie initiale (tableau 1) par le produit de
ces deux composantes ; ce qui revient aussi diviser la srie dsaisonnalise (tableau 7)
par les valeurs de la tendance (tableau 2). Les rsultats obtenus sont repris dans le
tableau 9.

Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 16
Tableau 9. Evolution du prix du turbot. Srie des rsidus (modle multiplicatif
tendance linaire).

j f m a m j j a s o n d
1980 1,06 1,05 1,05 1,26 1,08 1,09 1,18 1,06 1,02 0,93 1,07 0,95
1981 0,94 0,93 0,99 1,05 1,09 1,24 1,00 0,93 0,98 1,03 1,07 1,14
1982 0,87 0,93 0,91 0,94 1,01 0,79 0,89 0,78 0,94 0,92 0,91 1,08
1983 1,01 1,07 0,97 0,92 0,95 0,89 0,89 0,95 0,94 1,03 0,98 0,92
1984 1,02 0,90 1,15 1,00 0,93 0,94 1,02 1,08 1,02 1,02 0,93 0,88
1985 0,93 1,06 0,97 0,99 1,03 1,05 1,01 1,20 1,10 1,07 1,03 1,03
1986 1,18 1,05 0,96 0,84 0,90


Le coefficient de rgression r est dtermin en considrant la premire variable
comprenant les logarithmes des rsidus de fvrier 1980 jusqu' mai 1986, et la deuxime
variable comprenant les logarithmes des rsidus de janvier 1980 jusqu' avril 1986. La
valeur ainsi calcule est gale 0,426. Le modle auto-rgressif ajust aux rsidus peut
donc s'crire :

( )
426 , 0
1
=
t t
d d .

2.6. REALISATION DES PREVISIONS

Les mthodes de dcomposition permettent de raliser des prvisions, lorsque la
tendance a t estime par l'ajustement d'un modle (paragraphe 2.3). Dans ce cas, on
peut prvoir les valeurs futures de la srie chronologique en associant les estimations de
la tendance, de la composante saisonnire et de la composante irrgulire. Le mode
d'association de ces diffrentes composantes dpend du modle de dcomposition
adopt (paragraphe 2.2).

Le nombre d'intervalles de temps qui sparent le moment o on effectue la prvision et le
moment pour lequel on fait la prvision s'appelle l'horizon de prvision.


Exemples

1. modle additif tendance linaire

A titre d'exemple, la prvision du prix du turbot pour le mois de juin 1986 (prvision
l'horizon 1), base sur le modle additif tendance linaire est obtenue de la manire
suivante :

- Estimation de la tendance :

39 , 64 78 x 42 , 0 63 , 31 m

78
= + = .

- Pour la composante saisonnire, on utilise la valeur 9,48 qui correspond l'cart
saisonnier du mois de juin (tableau 4).

Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 17
- Le modle auto-rgressif des rsidus permet d'obtenir l'estimation de la composante
irrgulire de la manire suivante :

94 , 2 ) 7 ( 419 , 0 419 , 0
77 78
= = = x d d .

- Par consquent, le prix prvu pour juin 1986 est gal :

( ) 52 94 , 2 48 , 9 39 , 64 1 ~ = y .

On peut ainsi dire que le prix du kilo de turbot en juin 1986 sera d'environ 52 F.

Les prvisions pour les autres horizons peuvent tre obtenues de la mme faon, et le
tableau 10 reprend les valeurs prvues pour la fin de 1986 et le dbut de 1987.

Tableau 10. Prvisions du prix du turbot pour la fin de 1986 et le dbut de 1987, bases
sur le modle additif tendance linaire.

juin juillet aot sept Octo nove dce janvier fvrier mars avril mai
52 57 63 68 69 64 71 72 71 72 74 64

Enfin, le graphique de la figure 6 reprsente la srie initiale, les estimations des valeurs
initiales par le modle (srie ajuste) et les prvisions pour 12 horizons, en utilisant le
modle additif tendance linaire.

Figure 6. Evolution du prix du turbot. Srie initiale, estimation des valeurs initiales et
prvisions pour 12 horizons (modle additif tendance linaire).

j
f
m
a
m
j
j
a
so
n
d
j
f
m
a
m
j
j
a
so
n
d
j
f
m
a
m
j
j
a
so
n
d
j
f
m
a
m
j
j
a
so
n
d
j
f
m
a
m
j
j
a
so
n
d
j
f
m
a
m
j
j
a
so
n
d
j
f
m
a
m
j
j
a
s
o
n
d
j
f
m
a
m
20
30
40
50
60
70
80
90
j
a
n
v
-
8
0
a
v
r
-
8
0
j
u
i
l
-
8
0
o
c
t
-
8
0
j
a
n
v
-
8
1
a
v
r
-
8
1
j
u
i
l
-
8
1
o
c
t
-
8
1
j
a
n
v
-
8
2
a
v
r
-
8
2
j
u
i
l
-
8
2
o
c
t
-
8
2
j
a
n
v
-
8
3
a
v
r
-
8
3
j
u
i
l
-
8
3
o
c
t
-
8
3
j
a
n
v
-
8
4
a
v
r
-
8
4
j
u
i
l
-
8
4
o
c
t
-
8
4
j
a
n
v
-
8
5
a
v
r
-
8
5
j
u
i
l
-
8
5
o
c
t
-
8
5
j
a
n
v
-
8
6
a
v
r
-
8
6
j
u
i
l
-
8
6
o
c
t
-
8
6
j
a
n
v
-
8
7
a
v
r
-
8
7
Temps
P
r
i
x

(
F
/
k
g
)
srie initiale s. ajuste+prvisions
Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 18
2. modle multiplicatif tendance linaire

Par contre, si on adopte un modle multiplicatif tendance linaire, la prvision du prix du
turbot pour le mois de juin 1986 est obtenue de la manire suivante :

- Estimation de la tendance :

39 , 64 78 x 42 , 0 63 , 31 m

78
= + =

- Pour la composante saisonnire, on utilise la valeur 0,80 qui correspond au coefficient
saisonnier du mois de juin (tableau 6).

- Le modle auto-rgressif des rsidus permet d'obtenir l'estimation de la composante
irrgulire de la manire suivante :

( ) ( ) 96 , 0 90 , 0 d d
422 , 0 422 , 0
77 78
= = = .

- Par consquent, le prix prvu pour juin 1986 est gal :

( ) 49 96 , 0 x 80 , 0 x 39 , 64 1 y ~ = .

On peut ainsi dire que le prix du kilo de turbot en juin 1986 sera d'environ 49 F.


En ralisant les calculs de la mme faon, on peut obtenir les prvisions pour les autres
horizons. Le tableau 11 reprend les prix prvus pour la fin de 1986 et le dbut de 1987.

Tableau 11. Prvisions du prix du turbot pour la fin de 1986 et le dbut de 1987, bases
sur le modle multiplicatif tendance linaire.

juin juillet aot sept Octo nove dce Janv Fvr mars avril mai
49 55 61 69 69 63 73 74 72 73 77 62


Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 19
3. LES PREVISIONS PAR LISSAGE

3.1. INTRODUCTION

les mthodes de prvision par lissage sont des mthodes d'extrapolation qui donnent aux
observations un poids dcroissant avec l'anciennet de l'observation. Elles sont destines
la prvision court terme.

Les mthodes de lissage ne ncessitent qu'un volume relativement faible de calcul et sont
caractrises par une grande simplicit de la mise jour des prvisions au fur et mesure
de la disponibilit de nouvelles donnes observes. Il existe diffrentes mthodes de
lissage, chacune tant adapte un type particulier de srie chronologique.

3.2. SERIE SANS TENDANCE ET SANS COMPOSANTE SAISONNIERE

Si la srie laquelle on s'intresse ne prsente ni tendance ni saisonnalit marques, on
utilise la mthode dsigne sous l'appellation de lissage exponentiel.

Le principe de cette mthode est de prvoir la valeur future de la srie au temps t+1
(
1 t
y
+
: prvision l'horizon 1) partir de la valeur observe au temps t (
t
y ) et de la
valeur qui a t prcdemment prdite pour le temps t (
t
y ). La formule utilise est la
suivante :

( )
t t 1 t
y 1 y y o o + =
+
.

Dans cette formule, o est un paramtre, compris entre 0 et 1, qui permet de donner un
poids plus ou moins grand aux donnes rcentes suivant que la srie dpend surtout de
celles-ci ou que, au contraire, c'est son historique qui est prpondrant. Il en rsulte que si
o est grand, les rponses aux changements de la srie seront rapides. Par contre, si o
est petit, les prvisions seront caractrises par une grande inertie. En pratique, on donne
souvent o une valeur comprise entre 0,01 et 0,30.

Notons qu'il s'agit d'une formule de rcurrence et qu'il est ncessaire de disposer d'une
estimation de la valeur initiale
1
y partir de laquelle on commence le processus de
prvision. En pratique, on peut utiliser la premire valeur observe de la srie comme
tant gale la valeur estime :

1 1
y y = .
Exemple

Considrons titre d'illustration, la srie chronologique suivante, constitue de 10
observations.

t 1 2 3 4 5 6 7 8 9 10
t
y
58 61 56 58 61 60 61 62 61 65


Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 20
Si on choisit une valeur de o gale 0,3, la formule de prvision s'crit :

t t 1 t
y 7 , 0 y 3 , 0 y + =
+
.

Ainsi, on obtient les valeurs suivantes :

92 , 61 61 , 60 x 7 , 0 00 , 65 x 3 , 0 y
61 , 60 44 , 60 x 7 , 0 00 , 61 x 3 , 0 y
90 , 58 00 , 58 x 7 , 0 00 , 61 x 3 , 0 y
00 , 58 00 , 58 x 7 , 0 00 , 58 x 3 , 0 y
00 , 58 y y
11
10
3
2
1 1
= + =
= + =
= + =
= + =
= =



On peut ainsi conclure que la prvision de la valeur de y au temps t=11 (ralise au temps
t=10) est gale 61,92.


3.3. SERIE AVEC TENDANCE ET SANS COMPOSANTE SAISONNIERE

Dans le cas o la srie prsente une tendance et si, en outre, on peut considrer que
celle-ci est localement linaire, on peut adopter la formule de prvision suivante :

h b a y
t t h t
+ =
+
.
Les valeurs
t
a et
t
b sont constamment remises jour, par les relations suivantes :

( )( )
1 t 1 t 1 t 1 t
b a 1 y a

+ + = o o
et ( ) ( )
1 t 2 1 t t 2 t
b 1 a a b

+ = o o .

Ce modle de prvision est connu sous le nom de modle de HOLT.

Un cas particulier du modle de HOLT, dnomm modle de BROWN ou encore lissage
exponentiel double, est obtenu lorsque les constantes de lissage
1
o et
2
o sont lies
un mme paramtre o , par les relations :

( ) o o o = 2
1

et
( ) o
o
o

=
2
2
.

Pour ces deux modles, il faut se donner des valeurs initiales a
0
et b
0
, afin de pouvoir
raliser des prvisions. C'est ainsi qu'on prend b
0
gal au coefficient de rgression linaire
simple calcul sur la base des cinq premires valeurs de la srie, et, par la suite, on en
dduit a
0
par la relation :

0 1 0
b y a = .

Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 21
Quant aux constantes de lissage, elles sont fixes par l'utilisateur selon le mme principe
que pour le choix de o , expos au paragraphe 3.2.

Exemple :

Considrons titre d'illustration, la srie chronologique suivante, constitue de 10
observations. Cette srie prsente une tendance qu'on peut considrer comme linaire.

t 1 2 3 4 5 6 7 8 9 10
t
y
53 56 58 58 65 64 70 69 74 76

Si on adopte un modle de HOLT, avec les coefficients de lissage
1
o =0,5 et
2
o =0,2, les
formules de mise jour des paramtres a
t
et b
t
seront les suivantes :

( )
1 t 1 t t t
b a 5 , 0 y 5 , 0 a

+ + =
et ( )
1 t 1 t t t
b 8 , 0 a a 2 , 0 b

+ = .

En ce qui concerne les valeurs initiales de
t
a et
t
b , la rgression base sur les cinq
premiers couples permet d'obtenir une valeur b
0
= 2,6 et, par la suite :

4 , 50 6 , 2 53 a
0
= = .

Les autres valeurs, obtenues en utilisant les formules de mise jour, sont donnes dans
le tableau 12.

Tableau 12. Valeurs des coefficients pour le modle de HOLT.

t Y
t
a
t
b
t

1 53 53,00 2,60
2 56 55,80 2,64
3 58 58,22 2,60
4 58 59,41 2,31
5 65 63,36 2,64
6 64 65,00 2,44
7 70 68,72 2,70
8 69 70,21 2,46
9 74 73,33 2,59
10 76 75,96 2,60

Ainsi, la prvision pour le temps t = 11, ralise au temps t = 10 est obtenue de la manire
suivante :

56 , 78 1 x 60 , 2 96 , 75 y
1 10
= + =
+
,

et la prvision pour le temps t = 12, ralise au temps t = 10 est obtenue de la manire
suivante :

16 , 81 2 x 60 , 2 96 , 75 y
2 10
= + =
+
, etc.


Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 22
3.4. SERIE AVEC TENDANCE ET COMPOSANTE SAISONNIERE

En prsence d'une composante saisonnire, le modle de HOLT, prsent au
paragraphe 3.3, est gnralis et porte le nom de modle de HOLT et WINTERS.

Ainsi, pour des donnes mensuelles et dans le cas d'une saisonnalit additive, la
formule de prvision s'crit :

12 h t t t h t
s h b a y
+ +
+ + =

Les composantes du modle sont mises jour par les relations suivantes :

( ) ( ) ( )
1 t 1 t 1 12 t t 1 t
b a 1 s y a

+ + = o o
( ) ( )
1 t 2 1 t t 2 t
b 1 a a b

+ = o o
et ( ) ( )
12 t 3 t t 3 t
s 1 a y s

+ = o o .


Si la composante saisonnire est multiplicative, le modle de HOLT et WINTERS
s'crit :

( )
12 h t t t h t
s h b a y
+ +
+ =

et les formules de mise jour sont les suivantes :

( ) ( )
1 t 1 t 1
12 t
t
1 t
b a 1
s
y
a

+ + = o o
( ) ( )
1 t 2 1 t t 2 t
b 1 a a b

+ = o o
et ( )
12 t 3
t
t
3 t
s 1
a
y
s

+ = o o .

Comme pour les autres procdures de lissage, les modles de HOLT et WINTERS
ncessitent des valeurs initiales a
0
, b
0
ainsi que les douze coefficients saisonniers
11 1 0
s , , s , s

. Quant aux constantes de lissage, elles peuvent tre fixes a priori par
l'utilisateur. A ce propos, CHATFIELD et YAR (1988) proposent d'utiliser les valeurs
suivantes :

4 , 0 ; 1 , 0 ; 4 , 0
3 2 1
= = = o o o .

Par ailleurs, le lissage exponentiel double (paragraphe 2.3) peut tre tendu aux sries
avec saisonnalit et il porte alors le nom de lissage exponentiel gnralis, utilisant une
seule constante de lissage.


Analyse des sries chronologiques
IAV/DSA/L. BAAMAL Page 23
6. DOCUMENTATION

BOX G.E.P. et JENKINS G.M. (1976)
Time series analysis :forecasting and control. San
Fransisco, Holden-Day, 575 p.

CHATFIELD C. et YAR M. (1988)
Holt-Winters forecasting : some practical issues. The Statistician 37, 129-140.

NAZEM S. (1988)
Applied time series analysis for business and economic forecasting. New York,
Dekker 448 p.

PALM R. (1987)
Etude des sries chronologiques par les mthodes de dcomposition. Notes Stat.
Inform. Gembloux, 87/1, 25 p.

PALM R. (1987)
Etude des sries chronologiques par la mthode de BOX et JENKINS. Notes Stat.
Inform. Gembloux, 87/2, 40 p.

PALM R. (1992)
Comment interprter les rsultats d'une srie chronologique. Paris, ITCF, 80 p.

WONNACOTT T.H. et WONNACOTT R.J . (1984)
STATISTIQUE. Paris, Economica 790 p.

Das könnte Ihnen auch gefallen