Interprétation des résultats principaux pour la fonction Diagramme de série chronologique

Utilisez votre connaissance du procédé pour déterminer si des observations inhabituelles ou des décalages indiquent des erreurs ou un réel changement dans le procédé.

Valeurs aberrantes

Recherchez des observations inhabituelles, aussi appelées valeurs aberrantes. Les valeurs aberrantes peuvent avoir un effet disproportionné sur les modèles de séries chronologiques et entraîner une mauvaise interprétation des résultats. Essayez d'identifier la cause des valeurs aberrantes et de corriger les erreurs de saisie de données ou de mesure. Pensez éventuellement à supprimer les valeurs de données associées à des événements anormaux et uniques (causes spéciales).

Le diagramme de série chronologique suivants illustre une valeur aberrante causée par une erreur de saisie de données. Un technicien a accidentellement saisi la valeur 4 dans la feuille de travail au lieu de 40.

Décalages soudains

Recherchez les décalages soudains dans les séries ou dans les tendances. Essayez d'identifier la cause de ces changements.

Par exemple, le diagramme de série chronologique suivant illustre un changement drastique dans le coût du procédé après 15 mois. Vous devriez enquêter sur la raison de ce décalage.

Une tendance correspond à une augmentation ou à une baisse à long terme des valeurs de données. Une tendance peut être linéaire ou se présenter sous forme de courbe. Si vos données mettent en évidence une tendance, vous pouvez utiliser une analyse de série chronologique pour modéliser les données et générer des prévisions. Pour plus d'informations sur l'analyse à utiliser, reportez-vous à la rubrique Quelle analyse de série chronologique dois-je utiliser ?.

Un schéma de saisonnalité correspond à une augmentation/baisse des valeurs de données qui se répète régulièrement avec la même période. Par exemple, les commandes auprès d'un magasin de pièces détachées automobiles sont faibles chaque lundi, augmentent pendant la semaine et atteignent un pic chaque vendredi. Les schémas de saisonnalité ont toujours une période fixe connue. Au contraire, les mouvements cycliques correspondent à des cycles d'augmentation et de baisse des valeurs de données qui ne se répètent pas à intervalles réguliers. En général, ces mouvements sont plus longs et plus variables que les schémas de saisonnalité.

Vous pouvez utiliser une analyse de série chronologique pour modéliser des schémas et générer des prévisions. Pour plus d'informations sur l'analyse à utiliser, reportez-vous à la rubrique Quelle analyse de série chronologique dois-je utiliser ?.

Schéma de saisonnalité

Ces données illustrent un effet saisonnier. Le schéma se répète tous les 12 mois.

Mouvements cycliques

Ces données illustrent des mouvements cycliques. Les cycles ne se répètent pas à intervalles réguliers et ne se ressemblent pas.

Variation aléatoire

Ces données illustrent une variation aléatoire. Il n'y a ni cycle, ni schéma.

Si l'ampleur des changements saisonniers est constante, les changements saisonniers sont additifs. Si l'ampleur des changements saisonniers est plus grande lorsque les valeurs de données sont plus importantes, les changements saisonniers sont multiplicatifs. Cette variabilité supplémentaire peut rendre les prévisions de changements saisonniers multiplicatifs plus difficiles et moins précises.

Si le schéma n'est pas clair et que vous avez du mal à choisir entre les procédures additive et multiplicative pour la modélisation des données, vous pouvez essayer les deux procédures, puis choisir celle qui comporte les mesures d'exactitude les plus basses. Pour plus d'informations, reportez-vous à la rubrique Quelle analyse de série chronologique dois-je utiliser ?.