# A tibble: 6 × 3
semaine demande mm4
<date> <dbl> <dbl>
1 2025-11-17 1466 1366
2 2025-11-24 1384 1400.
3 2025-12-01 1386 1406.
4 2025-12-08 1477 1428.
5 2025-12-15 1577 1456
6 2025-12-22 1566 1502.
MQT-2101 - Analyse et modélisation des données
Lisser aide à décider sans réagir à chaque fluctuation.
Comment réduire le bruit sans regarder vers le futur?
Une moyenne mobile arrière utilise uniquement des observations déjà disponibles. La taille de sa fenêtre règle le compromis entre réactivité et stabilité.
Les quatre dernières demandes 980, 1 020, 1 080 et 1 120 donnent une moyenne mobile de 1 050 unités.
# A tibble: 6 × 3
semaine demande mm4
<date> <dbl> <dbl>
1 2025-11-17 1466 1366
2 2025-11-24 1384 1400.
3 2025-12-01 1386 1406.
4 2025-12-08 1477 1428.
5 2025-12-15 1577 1456
6 2025-12-22 1566 1502.
Une moyenne mobile centrée peut être utile pour décrire, mais elle utilise des valeurs futures et ne convient pas à une prévision en temps réel.
1
La fenêtre détermine la réactivité.
2
Une moyenne mobile ne modélise pas automatiquement la tendance ou la saisonnalité.
3
La décision reste liée aux données disponibles.
Calculez la moyenne mobile des quatre dernières demandes et nommez ce qu’elle ignore.