100 + 0,8·t + un profil annuel + du bruit (σ = 4). Le cas d'école : tendance et saison.
Modèle affiché
Intervalle
Certains modèles améliorent la base (Naïf saisonnier) : le meilleur, ARIMA(1,0,2)(1,1,1)[12], réduit son erreur de 58 %.
82 %couverture mesurée de l'intervalle (tu demandais 80 %)
4,27erreur absolue moyenne (MAE) de Holt-Winters
0,42MASE (< 1 = meilleur que le naïf dans l'échantillon)
5,49σ estimé par le modèle (le bruit injecté est 4,0)
Mesurée sur 16 origines du passé (192 comparaisons) : le modèle est ajusté uniquement avec ce qui précède chaque origine, puis on regarde si ce qui s'est passé ensuite est tombé dans l'intervalle.
1201401601802002202022-012022-112023-092024-072025-052026-03
Backtesting à origine glissante : les quatre modèles, avec les mêmes tests
| Modèle | MAE | MASE | MAPE | Couverture | Largeur moyenne | Par rapport à la base |
|---|---|---|---|---|---|---|
| Naïf | 16,32 | 1,61 | 10,4 | 82 % | 59,5 | -65 % |
| Naïf saisonnierbase | 9,91 | 0,98 | 6,4 | 80 % | 29,5 | — |
| Holt-Winters | 4,27 | 0,42 | 2,8 | 82 % | 15,3 | 57 % |
| ARIMA(1,0,2)(1,1,1)[12] | 4,17 | 0,41 | 2,7 | 73 % | 13,1 | 58 % |
MAE et MASE : plus ils sont bas, mieux c'est. Couverture : elle doit se rapprocher du niveau que tu as demandé (un 80 % qui couvre 60 % est un faux 80 %). « Par rapport à la base » : combien d'erreur en moins que le meilleur des deux naïfs (négatif = pire). Clique sur une ligne pour afficher ce modèle.