=FORECAST.LINEAR
Statistiques Intermédiaire Excel

FORECAST.LINEAR: Prévisions Linéaires dans Excel

Maîtrisez FORECAST.LINEAR dans Excel pour des prévisions précises. Découvrez la syntaxe, des exemples concrets et des conseils d'experts.

Syntaxe

=FORECAST.LINEAR(x, known_ys, known_xs)
  • x: La valeur de l'axe des x pour laquelle vous voulez prévoir une valeur.
  • known_ys: La plage de données dépendantes (les valeurs y).
  • known_xs: La plage de données indépendantes (les valeurs x).

Explication détaillée

FORECAST.LINEAR dans Excel : Guide Complet

Introduction

La fonction FORECAST.LINEAR est un outil puissant d'Excel pour réaliser des prévisions linéaires basées sur des données existantes. Elle permet d'estimer une valeur future en se basant sur une relation linéaire entre deux ensembles de données.

Syntaxe

La syntaxe de la fonction est la suivante :

=FORECAST.LINEAR(x, known_ys, known_xs)

Où :

  • x : La valeur de l'axe des x pour laquelle vous souhaitez obtenir une prévision.
  • known_ys : La plage de cellules contenant les valeurs dépendantes (y).
  • known_xs : La plage de cellules contenant les valeurs indépendantes (x).

Fonctionnement

FORECAST.LINEAR calcule la prévision en utilisant la méthode des moindres carrés pour déterminer la droite de régression linéaire. La fonction identifie la relation linéaire entre known_xs et known_ys, puis l'utilise pour prédire la valeur de y correspondant à la valeur de x fournie.

Cas d'utilisation

  • Prévision des ventes : Estimez les ventes futures en fonction des données de ventes passées et des dépenses marketing.
  • Analyse financière : Prévoyez les revenus futurs en fonction des données financières historiques.
  • Gestion des stocks : Anticipez la demande future de produits en se basant sur les données de vente et les tendances saisonnières.
  • Ressources Humaines : Prédire le taux de turnover en fonction des données historiques et des facteurs économiques.

Bonnes pratiques

  • Qualité des données : Assurez-vous que vos données sont propres et précises, car la qualité des prévisions dépend directement de la qualité des données d'entrée.
  • Relation linéaire : Vérifiez que la relation entre les variables est linéaire. Si la relation est non linéaire, d'autres méthodes de prévision pourraient être plus appropriées.
  • Nombre de points de données : Utilisez suffisamment de points de données pour obtenir une prévision fiable. Un petit nombre de points peut conduire à des prévisions imprécises.
  • Analyser les résultats : Comparez les prévisions avec les résultats réels pour évaluer la précision du modèle et l'ajuster si nécessaire.

Combinaisons

  • FORECAST.LINEAR + TREND : Utilisez TREND pour générer une série de prévisions pour différentes valeurs de x.
  • FORECAST.LINEAR + INDEX et MATCH : Combinez avec INDEX et MATCH pour rendre la sélection des données known_ys et known_xs plus dynamique.
  • FORECAST.LINEAR + IFERROR : Pour gérer les erreurs potentielles (par exemple, si known_xs est vide).

Cas d'utilisation

Prévision des ventes

Analyse financière

Planification de la production

Estimation des coûts

Exemples pratiques

Prévision des ventes

Données : A2:A6 = {1, 2, 3, 4, 5}; B2:B6 = {10, 20, 30, 40, 50}

=FORECAST.LINEAR(10, B2:B6, A2:A6)

Prévoyez les ventes pour le mois 10 en fonction des ventes des 5 premiers mois.

Résultat : 100
Prévision des revenus

Données : A2:A10 = {2015, 2016, 2017, 2018, 2019, 2020, 2021, 2022, 2023}; B2:B10 = {100000, 110000, 120000, 130000, 140000, 150000, 160000, 170000, 180000}

=FORECAST.LINEAR(2024, B2:B10, A2:A10)

Estimez les revenus pour l'année 2024 en fonction des revenus des 9 dernières années.

Résultat : 190000
Prévision de la demande

Données : A2:A20 = {20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 25, 35, 45, 55, 65, 75, 85, 95, 105}; B2:B20 = {10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 12, 17, 22, 27, 32, 37, 42, 47, 52}

=FORECAST.LINEAR(120, B2:B20, A2:A20)

Prévoyez la demande pour une valeur de 120 en fonction des données historiques.

Résultat : 60

Conseils et astuces

Assurez-vous que les plages 'known_ys' et 'known_xs' ont la même taille.

Vérifiez visuellement la linéarité des données avant d'utiliser cette fonction.

Utilisez des graphiques de dispersion pour identifier les valeurs aberrantes.

Considérez d'autres fonctions de prévision si la relation n'est pas linéaire, comme FORECAST.ETS.

Erreurs courantes

#N/A

La valeur 'x' n'est pas numérique ou une des plages 'known_ys' ou 'known_xs' contient des valeurs non numériques.

Vérifiez que 'x' est une valeur numérique et que les plages 'known_ys' et 'known_xs' ne contiennent que des nombres.

#DIV/0!

Les plages 'known_xs' sont vides ou la variance des valeurs dans 'known_xs' est nulle.

Assurez-vous que 'known_xs' contient des valeurs et que ces valeurs ne sont pas toutes identiques.

Formules associées