La prévision des ventes

Chapitre 7 : la prévision des ventes

1. Les méthodes d’ajustement linéaire

Lorsqu’il existe une tendance dans l’évolution du chiffre d’affaires, les méthodes d’ajustement linéaires permettent de prévoir les ventes pour les années suivantes. On utilise l’extrapolisation linéaire car on suppose une continuité dans l’avenir de la tendance.

A/ La méthode des points extrêmes

Cette méthode consiste à calculer l’équation de al droite d’ajustement qui passe par le premier et la dernier point d’une série de coordonnées (x ; y).

Elle s’applique lorsqu’on constate que la variable augmente ou diminue de façon très régulière en fonction de l’autre variable. Cette méthode est la plus simple à utilisé

B/ La méthode de Mayer ou double moyenne

Cette méthode consiste à découpé la série de donnée en 2 sous séries. Ce qui permet de tenir compte de tous les points de la série. On calcule ensuite le point moyen de chaque sous série avant de déterminer l’équation de la droit d’ajustement qui passe par ces deux points moyens.

Si la série comporte un nombre de points impairs, il est préférable de prendre 1 points de plus dans la deuxième sous série pour augmenté son poids relatif car elle est plus récente et donc plus représentative.

C/ La méthode des moindres carrés

Elle permet de déterminer l’équation de la droite d’ajustement qui passe le plus près possible des points de la série. C’est la méthode la plus précise, c’est aussi la méthode la plus appropriée lorsque les points sont peu alignés mais une tendance se dégage. La droite sera égale à y=ax+b

a =       et    b = [pic 1][pic 2]

1. La corrélation

Le coefficient de corrélation mesure la dépendance qui existe entre deux variables. Cette variable existe lorsque les variables changent de valeurs simultanément et avec une proportionnalité à peu prêt constante. Ce coefficient permet de déterminé le degré d’influences des variations de x sur les variations de y.

R = [pic 3]

Si les deux variables ont une corrélation positive, elles évoluent dans le même sens. Si les deux variables ont une corrélation négative, elles évoluent en sens contraire. Si r est proche de 1 la corrélation est forte, si r est proche de 0 la corrélation est faible.

...