SlideShare une entreprise Scribd logo
1  sur  13
Moyenne mobile
Réalisé par : Kouraichi Dhouha
Arfaoui Yossra
Enseignant:
Mr. Hatem Bibi
1
Plan
Introduction
Définition de la moyenne mobile
Les types de la moyenne mobile
Moyenne mobile centrée
2
Introduction
 La moyenne mobile permet de dégager une tendance générale en
éliminant ou en atténuant les variables observées dans une série
temporelle .
 C’est quoi une moyenne mobile ?
Quel sont ses différents types ?
3
Définition de la moyenne mobile
 La moyenne mobile, ou moyenne glissante, est un type de moyenne
statistique utilisée pour analyser des séries ordonnées de données, le plus
souvent des séries temporelles, en supprimant
les fluctuations transitoires de façon à en souligner les tendances à plus
long terme. Cette moyenne est dite mobile parce qu'elle est recalculée de
façon continue, en utilisant à chaque calcul un sous-ensemble d'éléments
dans lequel un nouvel élément remplace le plus ancien ou s'ajoute au sous-
ensemble.
4
Les types de la moyenne mobile
 Il existe différents types de moyennes mobiles, les deux plus utilisées étant la
moyenne mobile simple (ou arithmétique) et la moyenne mobile
exponentielle.
La Moyenne Mobile Arithmétique est de loin la plus répandue. Facile à
mettre en œuvre, elle est calculée en additionnant les n cours de clôture que
l’on divise par le nombre de période (n)
MM simple = (C1 + C2 + ……..+ Cn) / n
C est le cours de clôture
n le nombre de jours utilisés pour calculer la moyenne mobile
5
Les types de la moyenne mobile
 La moyenne mobile simple donne un poids égal à chaque cours ce qui la
rend moins réactive ; c’est le principal reproche qui lui est fait. Pour
diminuer l’effet un peu retardataire de la moyenne mobile simple et
donner plus d’importance aux dernières données, les analystes utilisent
également une moyenne exponentielle ou pondérée.
6
Les types de la moyenne mobile
La Moyenne Mobile exponentielle utilise une pondération des termes qui
décroît exponentiellement. Le poids de chaque valeur participant à la
moyenne (souvent désignée par le terme observation en statistiques) est un
facteur plus grand que la valeur qui le précède dans la série, ce qui donne
plus d'importance aux observations les plus récentes, sans toutefois jamais
supprimer complètement l'effet des valeurs les plus anciennes.
7
Les types de la moyenne mobile
Une constante de lissage contrôle le degré de décroissance des poids
applicables à chaque observation participant à la moyenne. Cette constante, α,
est un nombre compris entre 0 et 1, elle peut être exprimée :
 Par sa valeur numérique : α = 0,1 ;
 En pourcentage : α = 10 % équivaut à α = 0,1
 En nombre de périodes N , ou α = 2/N+1
8
Les types de la moyenne mobile
Lissage par moyennes mobiles
 Les moyennes mobiles permettent de lisser directement la série sans
hypothèse a priori sur la forme du modèle sous-jacent. La méthode est
donc valable quel que soit le modèle de décomposition. Pour cette raison,
on classe ce type de lissage dans les méthodes non-paramétriques (par
opposition aux méthodes paramétriques abordées par la suite).
 Avantages : Outil simple à mettre en œuvre qui met en évidence l'allure
de la tendance en supprimant la composante saisonnière et en atténuant
le bruit.
9
Les types de la moyenne mobile
 Propriétés d'un lissage par moyennes mobiles :
Suppression de la composante saisonnière
Si la série y t possède une composante saisonnière de période p alors l'application d'une
moyenne mobile d'ordre p supprime cette saisonnalité. La série mm p,t ne possède plus de
composante saisonnière de période p.
Atténuation de la composante résiduelle
Par construction, une moyenne mobile consiste à faire des moyennes partielles de proche
en proche. On obtient donc un "lissage" de la série. L'effet de la composante irrégulière est
d'autant plus atténué que l'ordre de la moyenne mobile est grand.
10
Les types de la moyenne mobile
Conservation de la tendance
Pour des moyennes mobiles simples ou centrées, l'application d'une moyenne mobile
(d'ordre quelconque) ne modifie pas une tendance constante. En particulier l'application
d'une moyenne mobile conserve une tendance linéaire.
Pour effectuer un lissage par moyenne mobile, il faut calculer les moyennes
d’ordre P (période) d’une série , plus l’ordre est élevé plus la série est lissée et les
phénomènes de court termes sont gommés . ( si on fait des relevés trimestrielles
sur 3,4 ou 5 ans on retiendra un ordre de période 4)
11
Moyenne mobile centrée
Le calcul des moyennes mobiles se pose le problème de parité :
Si l’ordre est impair : (p = 2k+1)
Si l’ordre est paire : ( p= 2k)
12
Merci pour votre attention
13

Contenu connexe

Tendances

Cours de gestion de portefeuille et des risques Pr Falloul
Cours de gestion de portefeuille et des risques Pr Falloul Cours de gestion de portefeuille et des risques Pr Falloul
Cours de gestion de portefeuille et des risques Pr Falloul Professeur Falloul
 
Budgetisation des ventes
Budgetisation des ventesBudgetisation des ventes
Budgetisation des ventesmarrakech108
 
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)Adad Med Chérif
 
Evaluation politique publique presentation
Evaluation politique publique presentationEvaluation politique publique presentation
Evaluation politique publique presentationVincent Bogaers
 
Decisions d'Investissement et de Financement , S5 ENCGA
Decisions d'Investissement et de Financement , S5 ENCGADecisions d'Investissement et de Financement , S5 ENCGA
Decisions d'Investissement et de Financement , S5 ENCGAISMAIEL KUN
 
value at risk
value at riskvalue at risk
value at riskamine145
 
Fct de consommation et l'épargne
Fct de consommation et l'épargneFct de consommation et l'épargne
Fct de consommation et l'épargneMejdoubi Amal
 
Cours micro-j-berrebeh-1
Cours micro-j-berrebeh-1Cours micro-j-berrebeh-1
Cours micro-j-berrebeh-1InesMazgar
 
Le circuit economique
Le circuit economiqueLe circuit economique
Le circuit economiquezaidmeziani
 
Les positionnements épistémologiques et Outils méthodologiques
Les positionnements épistémologiques et Outils méthodologiquesLes positionnements épistémologiques et Outils méthodologiques
Les positionnements épistémologiques et Outils méthodologiquesbouchra elabbadi
 
Data mining - Introduction générale
Data mining - Introduction généraleData mining - Introduction générale
Data mining - Introduction généraleMohamed Heny SELMI
 
Introduction aux théories de la monnaie
Introduction aux théories de la monnaieIntroduction aux théories de la monnaie
Introduction aux théories de la monnaiePaul Angles
 
L’Econométrie des Données de Panel
L’Econométrie des Données de PanelL’Econométrie des Données de Panel
L’Econométrie des Données de PanelCherif Allah
 
S1 mq i - statistique descriptive i - résumés des chapitres
S1   mq i - statistique descriptive i - résumés des chapitresS1   mq i - statistique descriptive i - résumés des chapitres
S1 mq i - statistique descriptive i - résumés des chapitresAbdeslam ELMOUDEN
 
Choix de l’analyse statistique appropriée
 Choix de l’analyse statistique appropriée  Choix de l’analyse statistique appropriée
Choix de l’analyse statistique appropriée Adad Med Chérif
 
Tests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deuxTests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deuxYoucef63000
 

Tendances (20)

Cours de gestion de portefeuille et des risques Pr Falloul
Cours de gestion de portefeuille et des risques Pr Falloul Cours de gestion de portefeuille et des risques Pr Falloul
Cours de gestion de portefeuille et des risques Pr Falloul
 
Diagnostic financier
Diagnostic financierDiagnostic financier
Diagnostic financier
 
Budgetisation des ventes
Budgetisation des ventesBudgetisation des ventes
Budgetisation des ventes
 
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
 
Evaluation politique publique presentation
Evaluation politique publique presentationEvaluation politique publique presentation
Evaluation politique publique presentation
 
L'inflation
L'inflationL'inflation
L'inflation
 
Decisions d'Investissement et de Financement , S5 ENCGA
Decisions d'Investissement et de Financement , S5 ENCGADecisions d'Investissement et de Financement , S5 ENCGA
Decisions d'Investissement et de Financement , S5 ENCGA
 
value at risk
value at riskvalue at risk
value at risk
 
Log2 cours1
 Log2 cours1 Log2 cours1
Log2 cours1
 
Ch02 seance01-diapos
Ch02 seance01-diaposCh02 seance01-diapos
Ch02 seance01-diapos
 
Fct de consommation et l'épargne
Fct de consommation et l'épargneFct de consommation et l'épargne
Fct de consommation et l'épargne
 
Cours micro-j-berrebeh-1
Cours micro-j-berrebeh-1Cours micro-j-berrebeh-1
Cours micro-j-berrebeh-1
 
Le circuit economique
Le circuit economiqueLe circuit economique
Le circuit economique
 
Les positionnements épistémologiques et Outils méthodologiques
Les positionnements épistémologiques et Outils méthodologiquesLes positionnements épistémologiques et Outils méthodologiques
Les positionnements épistémologiques et Outils méthodologiques
 
Data mining - Introduction générale
Data mining - Introduction généraleData mining - Introduction générale
Data mining - Introduction générale
 
Introduction aux théories de la monnaie
Introduction aux théories de la monnaieIntroduction aux théories de la monnaie
Introduction aux théories de la monnaie
 
L’Econométrie des Données de Panel
L’Econométrie des Données de PanelL’Econométrie des Données de Panel
L’Econométrie des Données de Panel
 
S1 mq i - statistique descriptive i - résumés des chapitres
S1   mq i - statistique descriptive i - résumés des chapitresS1   mq i - statistique descriptive i - résumés des chapitres
S1 mq i - statistique descriptive i - résumés des chapitres
 
Choix de l’analyse statistique appropriée
 Choix de l’analyse statistique appropriée  Choix de l’analyse statistique appropriée
Choix de l’analyse statistique appropriée
 
Tests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deuxTests relatifs aux fréquences et au khi deux
Tests relatifs aux fréquences et au khi deux
 

Dernier

ELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel Attal
ELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel AttalELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel Attal
ELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel Attalcontact Elabe
 
Bidirectional Encoder Representations from Transformers
Bidirectional Encoder Representations from TransformersBidirectional Encoder Representations from Transformers
Bidirectional Encoder Representations from Transformersbahija babzine
 
To_understand_transformers_together presentation
To_understand_transformers_together presentationTo_understand_transformers_together presentation
To_understand_transformers_together presentationbahija babzine
 
Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...
Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...
Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...France Travail
 
Le contrôle de la recherche d'emploi en 2023
Le contrôle de la recherche d'emploi en 2023Le contrôle de la recherche d'emploi en 2023
Le contrôle de la recherche d'emploi en 2023France Travail
 
Recurrent neural network_PresentationRNN.pptx
Recurrent neural network_PresentationRNN.pptxRecurrent neural network_PresentationRNN.pptx
Recurrent neural network_PresentationRNN.pptxbahija babzine
 
Les Français, l'Europe et Emmanuel Macron
Les Français, l'Europe et Emmanuel MacronLes Français, l'Europe et Emmanuel Macron
Les Français, l'Europe et Emmanuel Macroncontact Elabe
 

Dernier (7)

ELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel Attal
ELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel AttalELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel Attal
ELABE BFMTV L'Opinion en direct - Les Français et les 100 jours de Gabriel Attal
 
Bidirectional Encoder Representations from Transformers
Bidirectional Encoder Representations from TransformersBidirectional Encoder Representations from Transformers
Bidirectional Encoder Representations from Transformers
 
To_understand_transformers_together presentation
To_understand_transformers_together presentationTo_understand_transformers_together presentation
To_understand_transformers_together presentation
 
Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...
Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...
Montant moyen du droit d'allocation chômage versé aux demandeurs d'emploi ind...
 
Le contrôle de la recherche d'emploi en 2023
Le contrôle de la recherche d'emploi en 2023Le contrôle de la recherche d'emploi en 2023
Le contrôle de la recherche d'emploi en 2023
 
Recurrent neural network_PresentationRNN.pptx
Recurrent neural network_PresentationRNN.pptxRecurrent neural network_PresentationRNN.pptx
Recurrent neural network_PresentationRNN.pptx
 
Les Français, l'Europe et Emmanuel Macron
Les Français, l'Europe et Emmanuel MacronLes Français, l'Europe et Emmanuel Macron
Les Français, l'Europe et Emmanuel Macron
 

Moyenne mobile

  • 1. Moyenne mobile Réalisé par : Kouraichi Dhouha Arfaoui Yossra Enseignant: Mr. Hatem Bibi 1
  • 2. Plan Introduction Définition de la moyenne mobile Les types de la moyenne mobile Moyenne mobile centrée 2
  • 3. Introduction  La moyenne mobile permet de dégager une tendance générale en éliminant ou en atténuant les variables observées dans une série temporelle .  C’est quoi une moyenne mobile ? Quel sont ses différents types ? 3
  • 4. Définition de la moyenne mobile  La moyenne mobile, ou moyenne glissante, est un type de moyenne statistique utilisée pour analyser des séries ordonnées de données, le plus souvent des séries temporelles, en supprimant les fluctuations transitoires de façon à en souligner les tendances à plus long terme. Cette moyenne est dite mobile parce qu'elle est recalculée de façon continue, en utilisant à chaque calcul un sous-ensemble d'éléments dans lequel un nouvel élément remplace le plus ancien ou s'ajoute au sous- ensemble. 4
  • 5. Les types de la moyenne mobile  Il existe différents types de moyennes mobiles, les deux plus utilisées étant la moyenne mobile simple (ou arithmétique) et la moyenne mobile exponentielle. La Moyenne Mobile Arithmétique est de loin la plus répandue. Facile à mettre en œuvre, elle est calculée en additionnant les n cours de clôture que l’on divise par le nombre de période (n) MM simple = (C1 + C2 + ……..+ Cn) / n C est le cours de clôture n le nombre de jours utilisés pour calculer la moyenne mobile 5
  • 6. Les types de la moyenne mobile  La moyenne mobile simple donne un poids égal à chaque cours ce qui la rend moins réactive ; c’est le principal reproche qui lui est fait. Pour diminuer l’effet un peu retardataire de la moyenne mobile simple et donner plus d’importance aux dernières données, les analystes utilisent également une moyenne exponentielle ou pondérée. 6
  • 7. Les types de la moyenne mobile La Moyenne Mobile exponentielle utilise une pondération des termes qui décroît exponentiellement. Le poids de chaque valeur participant à la moyenne (souvent désignée par le terme observation en statistiques) est un facteur plus grand que la valeur qui le précède dans la série, ce qui donne plus d'importance aux observations les plus récentes, sans toutefois jamais supprimer complètement l'effet des valeurs les plus anciennes. 7
  • 8. Les types de la moyenne mobile Une constante de lissage contrôle le degré de décroissance des poids applicables à chaque observation participant à la moyenne. Cette constante, α, est un nombre compris entre 0 et 1, elle peut être exprimée :  Par sa valeur numérique : α = 0,1 ;  En pourcentage : α = 10 % équivaut à α = 0,1  En nombre de périodes N , ou α = 2/N+1 8
  • 9. Les types de la moyenne mobile Lissage par moyennes mobiles  Les moyennes mobiles permettent de lisser directement la série sans hypothèse a priori sur la forme du modèle sous-jacent. La méthode est donc valable quel que soit le modèle de décomposition. Pour cette raison, on classe ce type de lissage dans les méthodes non-paramétriques (par opposition aux méthodes paramétriques abordées par la suite).  Avantages : Outil simple à mettre en œuvre qui met en évidence l'allure de la tendance en supprimant la composante saisonnière et en atténuant le bruit. 9
  • 10. Les types de la moyenne mobile  Propriétés d'un lissage par moyennes mobiles : Suppression de la composante saisonnière Si la série y t possède une composante saisonnière de période p alors l'application d'une moyenne mobile d'ordre p supprime cette saisonnalité. La série mm p,t ne possède plus de composante saisonnière de période p. Atténuation de la composante résiduelle Par construction, une moyenne mobile consiste à faire des moyennes partielles de proche en proche. On obtient donc un "lissage" de la série. L'effet de la composante irrégulière est d'autant plus atténué que l'ordre de la moyenne mobile est grand. 10
  • 11. Les types de la moyenne mobile Conservation de la tendance Pour des moyennes mobiles simples ou centrées, l'application d'une moyenne mobile (d'ordre quelconque) ne modifie pas une tendance constante. En particulier l'application d'une moyenne mobile conserve une tendance linéaire. Pour effectuer un lissage par moyenne mobile, il faut calculer les moyennes d’ordre P (période) d’une série , plus l’ordre est élevé plus la série est lissée et les phénomènes de court termes sont gommés . ( si on fait des relevés trimestrielles sur 3,4 ou 5 ans on retiendra un ordre de période 4) 11
  • 12. Moyenne mobile centrée Le calcul des moyennes mobiles se pose le problème de parité : Si l’ordre est impair : (p = 2k+1) Si l’ordre est paire : ( p= 2k) 12
  • 13. Merci pour votre attention 13