Erreurs de prévision et corrélation saisonnière

EMP = somme(PD(t) - DR(t)) / n

EMA = somme(abs(PD(t) - DR(t))) / n

EMR = somme(100 * abs((PD(t) - DR(t))) / DR(t)) / n

ET = racine(somme(((PD(t) - DR(t)) - EMP)^2) / (n - 1))

LN détermine l’écart standard par rapport à la demande réelle pour deux jeux de données. Le premier jeu de données est constitué des périodes allant de la première à la dernière période, moins la longueur de la saison exprimée en périodes. Le deuxième jeu de données est constitué des périodes allant de la première période qui suit la saison exprimée en périodes, jusqu’à la dernière période. En d'autres termes, le deuxième jeu de données est décalé d'une saison par rapport au premier.

Le diagramme ci-après en donne une illustration pour une saison d’une longueur d'un mois.

A	Jeu de données 1
B	Jeu de données 2
1	Janvier
2	Février
3	mars
4	avril
5	mai

ET1 = racine(somme(((DM(t) - DM1)^2) / (m - 1)) SDV2 = racine(somme(((DM(t+L) - DM2)^2) / (m - 1))

LN détermine le facteur de covariance pour les deux jeux de données.

(*) Pour le calcul de la demande moyenne corrigée en fonction de la tendance, voir la Méthode de prévision : Régression polynomiale.

COV = somme((DM(t) - DM1) x (DM(t+D) - DM2) / (m - 1))

Enfin, le deuxième facteur de corrélation saisonnière est calculé comme suit :

COR = COV / (ET1 x ET2)