Lissage Exponentiel

Centre de Connaissances

Personne ne peut vraiment prédire l'avenir. Cependant, les méthodes statistiques modernes, les modèles économétriques et les logiciels de Business Intelligence peuvent effectivement, dans une certaine mesure, aider les entreprises dans leurs prévisions et évaluations de ce qui va se produire dans le futur.

Le Modèle de Lissage Exponentiel (MLE)

Le modèle de Lissage Exponentiel (MLE) (Exponential Smoothing - ESM) emploie une pondération moyenne des valeurs passées et courantes, réglant le poids sur les valeurs actuelles pour représenter les effets des oscillations dans les données, telles que le caractère saisonnier. Utilisant un terme alpha (entre 0-1), vous pouvez régler la sensibilité des effets de lissage. Le MLE est souvent utilisé pour traiter des problèmes de Prévisions statistiques à grande échelle, parce qu'il est robuste et facile à appliquer.

Le MLE est un procédé populaire pour créer une série chronologique lissée. Considérant que dans les moyennes mobiles simples les observations passées sont pesées à poids égal, le Lissage Exponentiel affecte des poids exponentiellement décroissants si l'observation vieillit. En d'autres termes : aux observations récentes sont données plus de poids dans les prévisions que les observations plus anciennes.

Dans le cas des moyennes mobiles, les poids affectés aux observations sont les mêmes et sont égaux à 1/N. Dans le Lissage Exponentiel, cependant, il y a un ou plusieurs paramètres lissants qui doivent être déterminés ou estimés. Ces choix déterminent les poids affectés aux observations.

Comparez également : Analyse de Régression  |  Régression Dnamique  |  ARIMA (AUTO-RÉGRESSIONS)  |  Recherche Opérationnelle  |  Théorie des Jeux  |  Intelligence des Affaires  |  CRM analytique

Retour vers la page des disciplines de Management : Finances et investissement  |  Marketing

Plus de Méthodes, Modèles et Théorie de Management