ارسل ملاحظاتك

ارسل ملاحظاتك لنا







Prévision des Abonnements au Service Prépayé en Utilisant les Séries Chronologiques: Forecasting Subscriptions Service Prepaid by Using Chronological Series

المصدر: مجلة الحوكمة، المسؤولية الاجتماعية والتنمية المستدامة
الناشر: المركز الجامعي أحمد زبانة غليزان - معهد العلوم الاقتصادية والتجارية وعلوم التسيير
المؤلف الرئيسي: Sayah, Fatima (Author)
مؤلفين آخرين: Kherbouche, Mustapha (Co-Author) , ZerouatI, Maouahib (Co-Author)
المجلد/العدد: ع1
محكمة: نعم
الدولة: الجزائر
التاريخ الميلادي: 2019
الشهر: مارس
الصفحات: 98 - 109
DOI: 10.35779/2004-000-001-007
ISSN: 2676-1831
رقم MD: 987710
نوع المحتوى: بحوث ومقالات
اللغة: الفرنسية
قواعد المعلومات: EcoLink, IslamicInfo
مواضيع:
كلمات المؤلف المفتاحية:
Forecast | Tmes Series Analysis | The Model of (Holt-winters and Box-Jenkins) Stationary and ARIMA
رابط المحتوى:
صورة الغلاف QR قانون

عدد مرات التحميل

5

حفظ في:
المستخلص: This study is designed to use time-series forecasting Subscriptions service prepaid in Mobilis and select the best model of the time series (Holt-winters and Box Jenkins) by comparing them using a variety of tests. The research found that the model (box-Jenkins) has achieved the highest forecast accuracy by comparing the model (holt-winters), and the time series of subscriptions for the service prepaid in Mobilis is non-stationary, and to make it stationary the first differences are applied. The best model among the models that have been developed in this study for forecasting the number of subscriptions is an ARIMA model (2.1.0).

Cette étude a pour objective d’utiliser des séries chronologiques pour la prévision des abonnements de service prépayé à Mobilis, et sélectionner le meilleur modèle des séries chronologiques (Holtwinters et Box-Jenkins ) en les comparant à l'aide d'une variété des tests. La recherche a révélé que le modèle Box-Jenkins a réalisé des résultats plus proche de la réalité que celle du modèle Holt-winters, ainsi que la série chronologiques des abonnements pour le service prépayé Mobilis est non-stationnaire, et pour le rendre stationnaire on applique la méthode des différences premières. Le meilleur modèle parmi les modèles qui ont été développés dans cette étude pour prévoir le nombre d'abonnements est un modèle ARIMA (2.1.0).

ISSN: 2676-1831