Problème 1 a) b) i. La méthode naiVe consiste à prendre la demande de la période précédente et d’assumer que la demande pour le mois présent sera semblable. Autrement dit, les ventes mensuelles du mois de septembre seront de 20 milliers d’unités. Pseptembre = Raoût = 20. Nawe Sni* to View Ri Erreur Erreur ABS ErreurA2 19 2 18 Mars 18. 00 19. 00 -1,00 Avril 1500 18. 80 3. 80 Mai 20,00 19. 56 -0,44 Juin 1800 19. 47 1 . 47 Juillet 22. 00 19. 77 -2. 23 20. 00 19. 32 -0. 68 Septembre 19. 18 (EQM) égale à 3. 122 et un écart type (o) à 1. 7, des valeurs d’erreur moindre que toutes les autres méthodes. problème 2 )3006ion linéaire est : y = 106 b) Le nombre N de saisons est impair. On utilise une moyenne mobile MM (13) qui est centrée à la période 7. Sj, colonne (6), est le facteur saisonnier. N. B. SI + S2+ + S4+ SS + + + SIO + Sil + 13. R’i, colonne (7), représente la demande désaisonnalisé. Elle est trouvé par (Ri/Sj) Ti, colonne (8), est obtenue à partir de la régression linéaire (Dans ce cas-ci, Ti 106. 5901+ 22. 3018x) et x est remplacé par le mois dans la colonne (1))
Pi, colonne (9) représente notre prévision, qui est obtenue par Ti * Calculs MM7 – (1 55+339+ 143+95+93+170+216+298+339+213+234+302+431 3 = 232. 923 21 6/232. 923 0. 927 Moyenne SI = (1442 +1 . 490)/2 1. 4661 Normalisation sl la somme des moyennes. RI’ 576/1. 4713 391. 4883 La droite de régression lin 3 OF d 1. 4713 où 12. 9537 est 106. 5901 + 22. 3018X saisonniers 1 . 4661 2*5909 0. 8652 4 0. 5243 0. 5213 6 0. 6620 7 0. 8902 8 1. 1116 1 . 0685 10 0. 6840 0. 6623 12 0. 8949 13 1 . 0126 Ordonnée à l’origine 1065901 Pente 22. 3018
