Conclusion générale
Conclusion de ce module
 | Les méthodes de prévision par lissage exponentiel ne prennent en compte que l'historique, ainsi elles ignorent toute information pouvant être obtenue en parallèle, ou tout présupposé historique. Elles supposent donc un environnement sans forte perturbation. |
Ce sont des méthodes de prévision à court terme : dans le cas de séries périodiques, elles devraient être utilisées pour faire des prévisions mensuelles (ou trimestrielles) pour trois à six mois (ou un à deux trimestre(s) ), plutôt que pour une année complète.
Ces méthodes sont très largement utilisées depuis plusieurs décennies.
Les logiciels qui les ont intégrées proposent souvent, pour valeurs des paramètres, celles qui optimisent l'erreur quadratique moyenne sur tout l'historique.
Mais quelle est la justification de ce choix, sachant que c'est le futur qui nous intéresse ?
D'autres possibilités existent :
optimiser l'erreur quadratique moyenne sur le dernier tiers (ou dernier quart) de la série,
ou tout simplement essayer des valeurs qui, compte tenu des connaissances sur le domaine étudié, apparaissent pertinentes.
