Les méthodes de régression tentent de faire correspondre une ligne aux données historiques. Les définitions suivantes indiquent les équations mathématiques des lignes.
Pour toutes les équations, y représente la valeur de prévision, et x la série chronologique des périodes historiques.
Méthode de régression linéaire
Une relation linéaire (y=a*x+b) est ajustée aux données.
Où a est la pente et b, l'intersection.
Méthodes de régression non linéaire
Dans les méthodes de régression non linéaire, une relation linéaire (y'=a*x'+b) est ajustée à une transformation des données d'origine. Chaque méthode utilise une équation spécifique pour la transformation.
Ajustement polynomial : l'équation x'=log(x) et y'=log(y) aboutit au développement d'un modèle polynomial entre x et y (y=c*x^a).
Ajustement exponentiel : l'équation x'=x et y'=ln(y) aboutit au développement d'un modèle exponentiel entre x et y (y=c*e^ax).
Ajustement logarithmique : l'équation x'=log(x) et y'=y aboutit au développement d'un modèle logarithmique entre x et y(y=a*log(x)+b).
Ajustement asymptotique : l'équation x'=1/x et y'=1/y aboutit au développement d'une courbe asymptotique (y=x/(a+bx)).
Ajustement asymptotique exponentiel : l'équation x'=x et y'=ln(y/(K-y)) aboutit au développement d'une courbe asymptotique exponentielle (y=cKe^ax/(1+ce^ax)).
Copyright © 2003, 2007, Oracle. Tous droits réservés.