Leçon 14 : évaluation de la qualité de la prévision
Mesure de la qualité de la prévision pour un article

Évaluation pour un article donné

Amplitude moyenne de l'erreur

Indicateur MAD (Mean Absolute Deviation)

Variance de l'erreur de prévision

Indicateur MSE (Mean Squared Error)

 

Exercice d'analyse

Examinez attentivement ces courbes...

Commentaire

 

Et maintenant, qu'en pensez-vous ?

Commentaire

 

La prévision est-elle biaisée ?

Indicateur SUMEPS (Somme des erreurs cumulées) :

Si les prévisions sont systématiquement au dessus ou en dessous des réalisations, |SUMEPSt|augmente.

 

Comment tester l'existence d'un biais ?

e = 
la moyenne des erreurs
  l'écart-type de l'erreur de prévision.

 

Règle de décision :

Si Il n'y a pas de présomption de biais. (n = nombre de périodes de prévision).

 

Statistiques de « U de THEIL »

Comparaison des performances de la précision avec une méthode consistant à prendre comme nouvelle prévision la dernière réalisation.

Aide

Interprétation

U = 1 La technique de prévision est équivalente à une méthode naïve qui consiste à prendre comme prévision la dernière réalisation.

U < 1 La technique de prévision est meilleure et d'autant meilleure que U est proche de 0.

U > 1 La technique de prévision est très médiocre car elle est pire que cette méthode.

Évaluation de la prévision glissante

Comment lire la courbe et l'interpréter ?

 

Comparaison entre plusieurs prévisions : statistiques, terrain et validée

Il peut être intéressant de comparer, sur un graphique, l’évolution de différentes prévisions dans le temps pour une même période. Pour le mois d’août 1998 nous avons tracé l’évolution de trois prévisions glissantes différentes :

  • statistique (issue du modèle),
  • terrain (des commerciaux),
  • validée (la prévision finale).

Leçon 14 : évaluation de la qualité de la prévision