Méthodes et formules pour la fonction Analyse de tendance

Sélectionnez la méthode ou la formule de votre choix.

Linéaire

Formule

le modèle de tendance linéaire est le suivant :

Yt = β0 + β1 t + et

Notation

TermeDescription
β0 constante
β1 variation moyenne d'une période à la suivante
tvaleur de l'unité de temps
etterme d'erreur

Quadratique

Formule

Le modèle de tendance quadratique, qui peut rendre compte d'une courbure simple dans les données, est le suivant :

Yt = β0 + β1 t + β2 t2 + et

Notation

TermeDescription
β0 constante
β1 et β2coefficients
tvaleur de l'unité de temps
etterme d'erreur

Croissance exponentielle

Formule

Le modèle de tendance à croissance exponentielleprend en compte une croissance ou une décroissance exponentielle. Par exemple, un compte d'épargne peut présenter une croissance exponentielle.

Yt = β0 β1t + et

Notation

TermeDescription
β0 constante
β1coefficient
tvaleur de l'unité de temps
etterme d'erreur

Courbe S

Formule

Les données ont une forme en S, ce qui indique que le sens de la variation change au cours du temps.

Yt = 10a / (β0 + β1 β2t )

Notation

TermeDescription
β0 constante
β1 et β2coefficients
tvaleur de l'unité de temps

Pondérations

Si vous fournissez des coefficients provenant de l'ajustement d'une précédente analyse de tendance, Minitab effectue une analyse de tendance pondérée. Si le facteur de pondération d'un coefficient déterminé est α, Minitab estime le nouveau coefficient de la façon suivante :

Formule

α p1 + (1 – α)p2

Notation

TermeDescription
p1 coefficient estimé à partir des données actuelles
p2 coefficient précédent

Prévisions

Minitab utilise l'équation de tendance pour effectuer des prévisions pour des valeurs de temps spécifiques. Les données antérieures à la prévision d'origine servent à ajuster la tendance.

MAPE

La valeur MAPE (pourcentage d'erreur absolu moyen) mesure l'exactitude des valeurs de la série chronologique ajustée. Elle exprime l'exactitude sous forme de pourcentage.

Formule

Notation

TermeDescription
yt valeur réelle à l'instant t
valeur ajustée
n nombre d'observations

MAD

La valeur MAD (écart absolu moyen) mesure l'exactitude des valeurs de la série chronologique ajustée. Elle exprime l'exactitude dans les mêmes unités que les données, ce qui aide à conceptualiser l'importance de l'erreur.

Formule

Notation

TermeDescription
yt valeur réelle à l'instant t
valeur ajustée
n nombre d'observations

MSD

La valeur MSD (écart quadratique moyen) est toujours calculée à l'aide du même dénominateur, n, indifféremment du modèle. Par rapport à MAD, la mesure MSD est une mesure plus sensible des erreurs de prévision inhabituellement élevées.

Formule

Notation

TermeDescription
yt valeur réelle à l'instant t
valeur ajustée
n nombre d'observations
En utilisant ce site, vous acceptez l'utilisation de cookies à des fins d'analyse et de personnalisation du contenu.  Lisez notre politique