Sélection dune méthode de prévision par l - RAIRO - Operations PDF ro1986200200891.pdf

méthodes de lissage exponentiel de degré supérieur, à Ward [35], Smith [32] et McKenzie [24] pour la méthode de Holt-Winters, dans sa version additive,

[PDF] Sélection dune méthode de prévision par lemploi du modèle

méthodes de lissage exponentiel de degré supérieur, à Ward [35], Smith [32] et McKenzie [24] pour la méthode de Holt-Winters, dans sa version additive,

[PDF] Lissage exponentiel - ULB

Lissage exponentiel simple en employant Excel et TSE Présentations ⇨ Méthode plus récente que les méthodes vision sont plus larges quand on s' éloigne

[PDF] Lissage exponentiel ∗ - CIRANO

17 fév 2003 · vision par ˆXT (h) 1 1 Définition La valeur ˆ XT (h) fournie par la méthode du lissage exponentiel simple avec la constante de lissage β (0

[PDF] La prévision de la demande La prévision de la - e-Preludecom

(vision globale des marchés) Prévisions commerciales (vision Méthode d' estimation : moindres carrés xi ˆyi y = ax + b ei yi Lissage exponentiel Prévision

[PDF] Techniques de contrôle de prévision à court terme - Numdam

programmes par rapport à un programme de lissage exponentiel EXPOSE DES vision : — Les méthodes fondées sur l'utilisation d'un «tracking signal» Pour le calcul de A, à chaque période, on utilise une méthode de lissage

[PDF] SIMULATION DE LA FILIERE TEXTILE/HABILLEMENT - CORE

28 jui 2016 · (1) Classification des méthodes de prévision par lissage exponentiel (6) Procédure d'auto-régulation de la méthode de Holt-Winters [VRO 96][VRO 97] [KSA 94] KSA (Kurt Salmon Associates), A Vision for the New

[PDF] méthode de prévision statistique

[PDF] methode de recherche scientifique pdf

[PDF] méthode de résolution de conflit

[PDF] méthode de résolution de problème ishikawa

[PDF] méthode de résolution de problème pdf

[PDF] méthode de résolution de problème physique

[PDF] méthode de résolution de problème ppt

[PDF] méthode de résolution de problème qualité

[PDF] Méthode de résolution DM

[PDF] Méthode de résolution sur les équations DM

[PDF] méthode de révision efficace

[PDF] méthode de saturation pharmacologie

[PDF] méthode de secante exemple

[PDF] méthode de séparation des mélanges

[PDF] méthode de simplexe exercice corrigé

REVUE FRANÇAISE D"AUTOMATIQUE,D"INFORMATIQUE ET DE RECHERCHE OPÉRATIONNELLE. RECHERCHE OPÉRATIONNELLEGUYMÉLARD

OLIVIERROULAND

dumodèleARIMAsous-jacent

Revue française d"automatique, d"informatique et de rechercheopérationnelle. Recherche opérationnelle, tome 20, no2 (1986),p. 89-113.

© AFCET, 1986, tous droits réservés.

L"accès aux archives de la revue " Revue française d"automatique, d"infor- matique et de recherche opérationnelle. Recherche opérationnelle » implique l"accord avec les conditions générales d"utilisation (http://www.numdam.org/ legal.php). Toute utilisation commerciale ou impression systématique est constitutive d"une infraction pénale. Toute copie ou impression de ce fi-

chier doit contenir la présente mention de copyright.Article numérisé dans le cadre du programme

Numérisation de documents anciens mathématiqueshttp://www.numdam.org/ R.A.I.R.O. Recherche opérationnelle/Opérations Research (vol 20 n 2 ma i 1986
p 8 9 113

SÉLECTIO

N D'UN E

MÉTHOD

E D E

PRÉVISIO

N PA R

L'EMPLO

I D U

MODÈL

E ARIM A

SOUS-JACEN

T pa r Gu y

MÉLAR

D e t

Olivie

ROULAN

D 2

Résumé

Dans l'ensemble des méthodes de prévision court terme,, les méthodes extrapolatives, faisant intervenir un petit nombre de paramètres et facilement interprétables, se distinguent de la méthode de Box et

Jenkins

basée sur les modèles

ARIMA.

Des travaux ont montré que des modèles ARIMA sous-tendent la plupart des méthodes extrapolatives.

Vidée

de cet article est d'exploiter ces relations (détaillées en annexe) pour estimer les paramètres inclus dans ces méthodes de prévision l'aide d'un logiciel conçu pour l'estimation des modèles

ARIMA.

Cette approche permet d'intégrer les deux types de méthodes. Les modèles sont généralisés pour tenir compte d'un mouvement saisonnier, d'hétéroscédasticité, d'une transformation paramétrée de la variable et d'interventions. La procédure est illustrée sur une série chronologique publiée. Mot s clé s

Méthod

e d e Bo x e t

Jenkins

méthode s d e prévisio n extrapolatives lissag e exponen tiel maximu m d e vraisemblance modèle s ARIMA

Abstract

Among short term forecasting methods, extrapolative methods are often opposed to the

Box-Jenkins

method based on ARIMA models. The extrapolative methods depend on a small number of parameters and provide easy interprétation. It is known that, for most of them, ARIMA processes are underlying. The main contribution of this paper is to use these relations (given in the appendix) in order to estimate the parameters of the forecasting methods by means o f a package made for fitting ARIMA models. Both types of methods are thus included in an integrated approach.

Models

are generalized to cope with a deterministic seasonal component, heteroskedasticity, parametrized transformation of the variate, and interventions. The procedure is illustrated on a published time series.

Keywords

Box-Jenkin

s method extrapolativ e forecastin g methods exponêntia l smoothing maximu m likelihood ARIM A models

Reç

quotesdbs_dbs47.pdfusesText_47

[PDF] Sélection dune méthode de prévision par l - RAIRO - Operations