Analyse de séries temporelles dans Excel pour l'estimation de la qualité et l'analyse des erreurs

L'analyse des séries temporelles est un élément central de la statistique, en particulier dans des contextes économiques. Afin de développer une compréhension approfondie des analyses d'erreurs et des estimations de qualité dans Excel, vous serez guidé dans ce tutoriel à travers une étude de cas pratique. Cela se fera sur l'exemple d'une étude de cas d'un équipementier automobile. Vous découvrirez comment comparer les prévisions aux valeurs réelles et quantifier la qualité de vos prédictions grâce à des analyses d'erreurs.

Principales conclusions

• Vous apprendrez comment comparer les prévisions et les valeurs réelles dans Excel.
• Vous découvrirez quelles métriques d'erreur sont utilisées pour évaluer la qualité des prévisions.
• À la fin, vous pourrez calculer le coefficient de variation et l'erreur quadratique moyenne (RMSE).

Guide étape par étape

Commencez par entrer les valeurs de 2019 en tant que prévisions et les valeurs de 2020 en tant que valeurs réelles dans Excel. Assurez-vous de transférer correctement les chiffres pour établir une base solide pour vos calculs.

Pour effectuer l'analyse, vous aurez besoin des données brutes des deux années. Vous devrez vérifier les chiffres de 2020, puis intégrer les prévisions de 2019. Ces valeurs serviront de base pour vos calculs.

Copiez désormais les données brutes des chiffres de 2020 dans un espace de travail et insérez-les entièrement. Pour garder les calculs clairement structurés, il est conseillé de créer des colonnes séparées pour les prévisions et les valeurs réelles.

À l'étape suivante, vous devrez soustraire les prévisions des valeurs réelles pour calculer les erreurs. Pour ce faire, utilisez la formule "Erreur = Valeur réelle - Prévision". Appliquez ce calcul à tous vos points de données pour quantifier toutes les erreurs.

Après avoir calculé les erreurs, la prochaine étape consiste à mettre ces erreurs au carré. Cela signifie que vous multipliez chaque erreur par elle-même, ce qui vous donne les erreurs au carré.

Calculez ensuite la moyenne des erreurs au carré. Pour ce faire, utilisez la fonction "Moyenne" dans Excel et divisez la somme des erreurs au carré par le nombre d'observations. Cela vous donnera l'erreur quadratique moyenne.

Après avoir déterminé la moyenne des erreurs au carré, extrayez la racine carrée de cette moyenne. Cela donnera le Root Mean Square Error (RMSE). Cette valeur est essentielle pour évaluer la qualité de vos prévisions.

Vous voudrez également calculer la moyenne des valeurs réelles. Utilisez à nouveau la fonction "Moyenne" et sélectionnez les valeurs réelles correspondantes. Cette moyenne est importante pour l'interprétation ultérieure du coefficient de variation.

À l'étape suivante, calculez le coefficient de variation (CV). Le CV est calculé en divisant le RMSE par la moyenne des valeurs réelles. Cela vous donne une représentation en pourcentage des erreurs par rapport aux valeurs réelles, évaluant ainsi la qualité de vos prévisions.

L'interprétation du coefficient de variation est essentielle. Un CV de 0,08 indique une faible variation relative et donc une grande qualité de prévision. Vous pouvez entrer ce nombre ainsi que vos conclusions dans un tableau de référence pour rendre les résultats plus compréhensibles.

En résumé, vous avez analysé les prévisions et les valeurs réelles dans Excel à travers plusieurs étapes. Le calcul des erreurs, la mise au carré, la création de moyennes et finalement la détermination du coefficient de variation sont des procédures fondamentales pour évaluer la qualité des analyses de séries temporelles.

Résumé

Dans ce tutoriel, vous avez exploré comment analyser les séries temporelles dans Excel en comparant les prévisions aux valeurs réelles. Vous avez appris à calculer les erreurs, à les mettre au carré et à quantifier la qualité de vos prévisions. En déterminant le coefficient de variation, vous avez désormais la capacité d'estimer plus précisément les futures prévisions.