Modèle de prévisionnel simple à télécharger

Bien que je m`attendais à ce que les prévisions fondées sur des preuves soient comme d`autres efforts scientifiques et bénéficier de l`adhésion aux exigences de simplicité du rasoir Occam, je suis étonné de la cohérence des résultats et à la grande taille de l`effet. Nous avons testé la valeur du rasoir d`Occam en prévision. Pour ce faire, nous avons examiné des études comparatives publiées sur la précision des prévisions. Notre recherche a trouvé 32 papiers qui parmi eux comprenaient 97 comparaisons de prévisions à partir de méthodes simples et complexes. Nous avons tenté de communiquer avec tous les auteurs vivants des documents que nous avons cités afin de vérifier que nous avions correctement interprété leurs constatations, et nous avons fait des révisions dans notre document lorsque cela était approprié. Nous avons également demandé à ces auteurs et à d`autres experts en prévision des preuves qui pourraient contester le rasoir d`Occam. L`intrigue montre ce qu`est une mauvaise prévision ressemble et comment il ne suit pas les mouvements des données à tous, à part une légère tendance à la hausse. Si vos données sont saisonnières, il est recommandé de commencer une prévision avant le dernier point historique. Nous pouvons tracer les prédictions de fenêtre en expansion moyenne par rapport au jeu de données de test pour obtenir un sentiment de la façon dont la prévision ressemble réellement dans le contexte. Un modèle de fenêtre roulante consiste à calculer une statistique sur un bloc contigu fixe d`observations préalables et à l`utiliser comme prévision. Pour cette raison, l`approche est souvent appelée la prévision naïve.

Cochez ou décochez l`intervalle de confiance pour l`afficher ou le masquer. L`intervalle de confiance est la plage entourant chaque valeur prédite, dans laquelle 95% des points futurs devraient chuter, en fonction de la prévision (avec une distribution normale). L`intervalle de confiance peut vous aider à déterminer la précision de la prédiction. Un intervalle plus petit implique plus de confiance dans la prédiction pour le point spécifique. Le niveau par défaut de la confiance de 95% peut être modifié à l`aide des flèches haut ou bas. Si vous avez des données historiques basées sur le temps, vous pouvez l`utiliser pour créer une prévision. Lorsque vous créez une prévision, Excel crée une nouvelle feuille de calcul qui contient à la fois une table des valeurs historiques et prédites et un graphique qui exprime ces données. Une prévision peut vous aider à prédire des choses comme les ventes futures, les exigences en matière d`inventaire ou les tendances des consommateurs. Encore une fois, nous pouvons tracer les prédictions à partir du meilleur modèle (fenêtre de roulement moyenne avec w = 13) contre les observations réelles pour obtenir un sentiment de la façon dont la prévision regarde dans le contexte. Nous nous attendons à ce qu`un modèle de prévision qui est une combinaison pondérée des observations à t-12, t-24, t-36 et ainsi de suite serait un point de départ puissant. Enfin, les prévisions seront évaluées à l`aide d`une erreur quadratique moyenne ou d`une RMSE.

L`avantage de RMSE est qu`il pénalise les grandes erreurs et les scores sont dans les mêmes unités que les valeurs prévisionnelles (ventes de voitures par mois). Lorsque vous utilisez une formule pour créer une prévision, elle retourne une table avec les données historiques et prédites, ainsi qu`un graphique. La prévision prédit les valeurs futures à l`aide de vos données temporelles existantes et de la version AAA de l`algorithme de lissage exponentiel (ETS). Nous avons constaté qu`aucun des documents n`avait fourni un équilibre des preuves que des procédures de prévision complexes amélioraient l`exactitude des prévisions. En outre, la complexité a accru les erreurs de prévision, de 27% en moyenne, dans les 25 documents qui comprennent des comparaisons quantitatives. Pourquoi cesser d`utiliser l`observation précédente? Dans cette section, nous allons examiner l`automatisation de la prévision de persistance et d`évaluer l`utilisation de n`importe quelle étape arbitraire de temps préalable pour prédire la prochaine étape de temps.