Prévision de base

La prévision de base vous permet d'associer à votre requête l'un des modèles de prévision intégrés sans devoir ouvrir la boîte de dialogue Prévision avancée. La prévision de base constitue la méthode la plus rapide et la plus simple pour associer un modèle de prévision à votre requête.

Pour réaliser une prévision de base :

• Dans le ruban Requête, cliquez sur le menu déroulant Prévision
• Sélectionnez l'un des modèles de prévision intégrés, comme décrit ci-dessous

Modèles de prévision

Holt Winters : modèle de prévision comprenant un lissage exponentiel et modélisant les séries temporelles de données présentant à la fois un caractère saisonnier et une tendance.

Holt Winters - Non saisonnier : comme Holt-Winters mais suppose que les données ne présentent pas de facteur saisonnier.

Holt Winters - Pas de tendance : comme Holt-Winters mais suppose que les données de présentent pas de facteur de tendance.

Arima : modèle de prévision ARIMA (moyenne mobile autorégressive intégrée) pour les données à séries temporelles fixes et les données pouvant présenter un caractère saisonnier. Modélise les données de série temporelle en recherchant les différences entre les points de données adjacents (en supposant que ces différences présentent une tendance), ainsi que les erreurs aléatoires (bruits blancs). Suppose également un facteur saisonnier supplémentaire présentant également (dans ses différences) une tendance et des erreurs aléatoires. L'algorithme Arima par défaut effectue des calculs sur quelques combinaisons de paramètres et choisit les meilleurs en fonction des données analysées. Dans le panneau Avancé il est possible de contrôler le nombre de points de données d'historique utilisés pour prévoir le prochain point de données.

Autorégressif : modélise les données de séries temporelles en supposant que la prochaine valeur dépend des valeurs précédentes.

Autorégressif différences : modélise les données de séries temporelles en supposant que la différence entre la prochaine valeur et la valeur actuelle dépend des différences entre les points historiques adjacents.

Lissage exponentiel : modèle de prévision avec une prévision de moyenne mobile simple (SMA). Modélise les données de séries temporelles en supposant que le prochain point de données dépend des précédents, et que plus un point de données est situé dans le passé, moins il affecte la valeur du prochain point de données.

Meilleur ajustement (par défaut) : cache certains points de données à la fin des séries temporelles, puis crée divers modèles de prévision et choisit celui qui prévoit le mieux les points cachés, puis reconstruit le meilleur modèle sans cacher les points de données situés à la fin.

IMPORTANT : Les modèles de prévision Standard et Saisonnier ne peuvent s'exécuter par années. Ces deux modèles ne peuvent s'exécuter que par trimestres, mois et jours. Cela est dû au fait que ces deux modèles utilise le caractère saisonnier (gamma) qui ne peut être calculé sur des périodes annuelles.

Supprimer la prévision

Pour réaliser une prévision de base :

• Dans le ruban Requête, cliquez sur le menu déroulant Prévision
• Sélectionner Supprimer la prévision