Libert£©, £©galit£©, fraternit£© Mobilit£© Libert£©, £©galit£©, fraternit£© Mobilit£© ! 2 Le journal
BTSMUCMGUCLesméthodesdeprévision.pdf
-
Upload
fatim-zohra-essaaf -
Category
Documents
-
view
8 -
download
2
Transcript of BTSMUCMGUCLesméthodesdeprévision.pdf
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 2
Introduction
L’analyse des ventes passées, préalable au calcul de l’activité prévisionnelle s’appuie sur des données : ventes, trafic de clients, etc.
Il convient de maîtriser les notions de statistiques quant à ces données, ainsi que les techniques de projection de données sur les périodes à venir.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 3
Section 1 : Quelques définitions
Un ensemble d’objets ou de personnes d’une étude statistique est appelé population.
Un élément de cette population est appelé individu.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 4
Section 1 : Quelques définitionsL’étude statistique porte sur un caractère :
Si le caractère est quantitatif, les mesures sont alors les valeurs d’une variable statistique.
(ex : le montant des ventes pour la variable vente).
La variable quantitative peut être infiniment divisible (le chiffre d’affaires divisible en euros) ou indivisible (le nombre de voitures par foyer).
Si le caractère est qualitatif, il ne peut être mesuré.
Il peut prendre plusieurs modalités, qui font l’objet d’une codification.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 5
Section 1 : Quelques définitions
Exemple : couleur des voitures vendues
551Jaune3
300Rouge2
200Bleu1
NombrexiCode
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 6
Section 1 : Quelques définitions11 / L'effectif de la variable statistique
Convention :
effectif total noté N, effectif de chaque modalité : ni
Exemple :
vente du mois de mars : 250 (n3), ventes annuelles : 2500 (N)
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 7
Section 1 : Quelques définitions12 / La fréquence
Rapport entre l'effectif de la modalité et
l'effectif total.
Convention :
fréquence totale notée F, fréquence de la modalité : fi.
Exemple :
les ventes du mois de mars ont une fréquence de 10% (250 / 2500).
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 8
Section 2 :Analyser une série statistique21 / Les paramètres de position
Ce sont des valeurs qui donnent une image fidèle de la série étudiée grâce à un nombre unique.
Le plus répandu est la moyenne arithmétique.
�La moyenne arithmétique
Il s'agit d'un indicateur central de la distribution
moyenne = ∑( xi * ni)/N
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 9
Section 2 :Analyser une série statistiqueExemple 1 :
Notes de 30 étudiants à une évaluation :
Moyenne = 336/30=11,2
336607848903624Ni x Xi
30464943ni
Total1513121098Xi (note
/20)
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 10
22 / La représentation graphique d’une série statistique
La représentation graphique des données permet de visualiser sous un autre angle une série.
Selon la nature des données présentées, le lecteur cherche à visualiser une répartition ou une évolution.
Section 2 :Analyser une série statistique
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 11
Section 2 :Analyser une série statistique
�Les graphiques de répartitionLe graphique le plus adapté est le diagramme circulaire, aussi appelé « camembert »
Ventes en EurosExemple :représenter le poids des marques parmi les ventes du mois n du rayon huiles moteurs :
1393,56Esso
5268,99Shell
1932,85Mobil
8635,52MDD
4032,36Elf
2522,35Castrol
202,48Antar
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 12
Section 2 :Analyser une série statistique
1% 11%
17%
35%
8%
22%
6% Antar Castrol Elf
MDD Mobil Shell
Esso
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 13
Section 2 :Analyser une série statistique
On peut aussi recourir au diagramme
« tuyaux d’orgue » :
202,48
2522,35
4032,36
8635,52
1932,85
5268,99
1393,56
0 2000 4000 6000 8000 10000
A ntar
Elf
Mob il
Es s o
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 14
Section 2 :Analyser une série statistique
100907550155Effectif cumulé
10152535105Effectif en %
[60 : 69]
[50 ; 59]
[40 ; 49]
[20 ; 39]
[10 ; 19]
[0 ; 9]
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 15
Section 2 :Analyser une série statistique
Trafic clients
0
10
20
30
40
Trafic clients 5 10 35 25 15 10
[0 ; 9] [10 ; 19] [20 ; 39] [40 ; 49] [50 ; 59] [60 : 69]
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 16
Section 2 :Analyser une série statistiqueLes graphiques d’évolution
Ce type de graphique est adapté aux séries statistiques dont les données évoluent avec le temps.
Il permet de dégager une tendance appelé« trend ».
Ce type de graphique peut être qualifié de chronologique.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 17
Section 2 :Analyser une série statistiqueExemple :
CA mensuel d’une rayon de textile en GD, en K€
125111312971010111291110CA
TotalDNOSAJJMAMFJMois
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 18
Section 2 :Analyser une série statistiqueGraphique en courbe
0
2
4
6
8
1 0
1 2
1 4
J F M A M J J A S O N D
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 19
Section 2 :Analyser une série statistique
Graphique polaire
Permet de superposer plusieurs séries sur une même représentation, pour mieux vérifier les écarts annuels de ventes sur les différentes périodes, dans le cas étudié : le mois.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 20
Section 2 :Analyser une série statistique
Exemple :
CA mensuel d’un rayon de textile en GD, en
K€ Sur 2 années :
131515101010118169138111312971010111291110CA
DNOSAJJMAMFJDNOSAJJMAMFJmois
Année 2Année 1
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 21
Section 2 :Analyser une série statistique
0
5
10
15
2 01
2
3
4
5
6
7
8
9
10
11
12
A n né e 1
A n né e 2
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 22
Section 2 :Analyser une série statistiqueLa même représentation sous forme de courbe ne permet
pas de visualiser confortablement les écarts annuels sur
les mois de ventes :
En revanche, il permet de mieux apprécier la tendance
dans une optique prévisionnelle. Dans le cas présent, on
visualise une tendance légère à la hausse du CA du rayon.
0
5
1 0
1 5
2 0
J F M A M J J A S O N D J F M A M J J A S O N D
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 23
Section 3 :Ajustements et prévisions31 / Principe
Dégager la tendance, « trend », d’une série chronologique et remplacer un nuage de points par une droite représentative d’une fonction de type :
y = ax + b
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 24
Section 3 :Ajustements et prévisions
Exemple : CA trimestriel sur 3 années.
7001000600540670900580520650900550500CA
121110987654321Trimestre
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 25
Section 3 :Ajustements et prévisionsNuage de points :
A première vue, la distribution de cette série statistique
ne paraît pas uniforme. Il faut procéder à un
ajustement, selon différente méthodes possibles.
0
200
400
600
800
1000
1200
0 2 4 6 8 10 12 14
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 26
Section 3 :Ajustements et prévisions32 / L’ajustement à vue
Méthode simple :
Tracer à vue le trend à la règle.
Peu fiable, à proscrire, car le budget des ventes ne pourrait tolérer les approximations.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 27
Section 3 :Ajustements et prévisions33 / La méthode de "Mayer", aussi appelée méthode des
points moyens ou méthode de la double moyenne
Cette méthode consiste à diviser la série de chiffres en deux parties, à calculer les points représentatifs de chacune des moitiés, puis àcalculer l'équation de la droite sur la base de ces deux points moyens.
7001000600540670900580520650900550500CA
121110987654321Trimestre
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 28
Section 3 :Ajustements et prévisions
Ici, la série comporte 12 périodes, on peut la couper en deux parties de poids égal :
les trimestres 1 à 6 et les trimestres 7 à 12.Second couple de coordonnées :
A2 (x2 ; y2)
•x2 = (7+8+…+12) / 6 = 9,5
•y2 = (900+…+700) = 735
Premier couple de coordonnées :
A1 (x1 ; y1)
•x1 = (1+2+3+4+5+6) / 6 = 3,5•y1 = (500+550+…+580) = 616,6
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 29
Section 3 :Ajustements et prévisions
On peut tracer la droite sur le nuage de points :
0
2 0 0
4 0 0
6 0 0
8 0 0
1 0 0 0
1 2 0 0
0 2 4 6 8 1 0 1 2 1 4
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 30
Section 3 :Ajustements et prévisions
L’équation exacte de la droite de forme y = ax + b est obtenue par la résolution du système d’équation à deux inconnues :
� (1) 616,6 = 3,5a + b� (2) 735 = 9,5a + b� (2) - (1) → 735 – 616,6 = (9,5a – 3,5a) +b
–b, soit 6a = 118,4, soit a = 19,73� La valeur de a appliquée à (1) ou (2) donne
b = 547,5� D’où y = 19,73x + 547,5
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 31
Section 3 :Ajustements et prévisions
Les valeurs de la pente (a) et de la constante (b) étant connues, on est en mesure de calculer les ventes pour plusieurs périodes à venir.
A1 A2
863,18843,45823,72Y= 19,73 ( 13) + 547,5 = 804
CA (y)
Trimestre 16(x=16)
Trimestre 15(x=15)
Trimestre 14(x=14)
Trimestre 13 (x=13)
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 32
Section 3 :Ajustements et prévisions34 / La méthode des moindres carrés
Il s'agit de la méthode la plus utilisée, car elle est la plus rigoureuse. Les ajustements opérés avec la méthode de Mayer montrent, graphiquement, des écarts entre valeurs ajustées et valeurs réellement observées.
La méthode des moindres carrés n'entend pas supprimer ces écarts mais à les minimiser. Une droite d'ajustement y parvient la droite de régression linéaire. Son équation est de la forme : y= ax + b
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 33
Section 3 :Ajustements et prévisions
La valeur du coefficient de régression a est :
moyenne de la variable x,
exemple : les périodes de ventes.
moyenne de la variable y,
exemple : les ventes.
N : nombre de variables observées.
a x y nx y x nxi i i= − ÷ −∑∑[ ] [ ² ²]
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 34
Section 3 :Ajustements et prévisionsApplication sur la série du § 33 :
65054900Total
144840070012
12111000100011
100600060010
8148605409
6453606708
4963009007
3634805806
2526005205
1626006504
927009003
411005502
15005001
Xi²Xi x yiYiXi
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 35
Section 3 :Ajustements et prévisions
= 6,5
= 675,8
n = 12 observations.
D’où a = [54 900 – 12 (6,5) (675,8)] / [650 – 12 (6,5)²] = 15,29
Si l’on considère = a + b
Alors b = 675,8 – 6,5 (15,29) = 576,4
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 36
Section 3 :Ajustements et prévisions
La droite recherchée est :
Y = 15,29X + 576,4
Les prévisions pour les trimestres 13 à 16 sont :
821805,7790,45775,2CA
16151413Trimestre
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 37
Section 3 :Ajustements et prévisions
Les moindres carrés montrent des résultats chiffrés différents de la méthode de Mayer.
Ils sont plus fiables mais sont soumis àquelques limites :
�Les prévisions occultent les données de la concurrence, de ses innovations et actions commerciales
�Les prévisions occultent le comportement volatile du client
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 38
Section 3 :Ajustements et prévisions
�Et surtout, elle n’intègrent pas les éventuelles saisonnalités de la série.
�Dans le cas étudié, elles sont importantes :
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
S1
0
200
400
600
800
1000Pics saisonniers…
… non reproduits dans les prévisions !!
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 39
Section 4 :Etablir des prévisions saisonnières
Il est important d’intégrer la saisonnalitéobservées sur les valeurs réelles et passées pour donner aux prévisions tirées d’une droite linéaire une évolution plus proche de la réalité.
En effet, il va en dépendre le budget des ventes, la répartition de la charge de travail sur la période…
Il existe plusieurs méthodes pour calculer les variations saisonnières, la plus simple est le calcul des coefficients saisonniers moyens.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 40
Section 4 :Etablir des prévisions saisonnièresOn rapporte la moyenne d’une période, ici le trimestre, à la moyenne des moyennes des CA
annuels :
1,001,001,380,850,77Coefficient
675,83673,33933,33576,67520,00Moyenne
7107001000600540Année 3
667,5670900580520Année 2
650650900550500Année 1
Moyenne4321Trimestre
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 41
Section 4 :Etablir des prévisions saisonnières
Coeff trim 1 = 520 / 675,83 = 0 ,77
Tout coefficient saisonnier supérieur à 1 indique une activité saisonnière supérieure àla moyenne,
ici le trimestre 3,
phénomène déjà visible sur la représentation graphique chronologique.
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 42
Section 4 :Etablir des prévisions saisonnières
Il est alors possible d’affiner les prévisions
obtenues par la méthode des moindres carrés :
8211821
16
1111,8661,38805,7
15
671,88250,85790,45
14
596,904 (775,2 x 0,77)0,77775,2
13
Prévisions ajustéesCoeff
saisonnierPrévisions
initialesTrimestre
AUTEUR : OLIVIER BAUDRY
LYCEE R . SCHUMAN / METZ D'APRES ESPACE MUC 43
Section 4 :Etablir des prévisions saisonnières
Les prévisions reproduisent la saisonnalité :
1 2 3 4 5 6 7 8 9 1 0 1 1 1 2 1 3 1 4 1 5 1 6
S 1
0
2 0 0
4 0 0
6 0 0
8 0 0
1 0 0 0
1 2 0 0