HP Logiciel HP Matrix Operating Environment - Manuel (Page 37)

Définition d'un seuil de validité
Le seuil de validité que vous définissez doit refléter votre tolérance quant à l'obtention d'une quantité
de données valides suffisante durant la période de collecte que vous désignez. Si les rapports que
vous exécutez montrent que le seuil donné n'est pas réalisable pour la période désignée, cela peut
indiquer qu'une grande partie des points de données de la période de collecte désignée sont non
valides.
Dans ce cas, vous pouvez choisir un seuil de validité plus bas, en sachant que les résultats du
rapport constitueront peut-être un indicateur moins fiable de l'utilisation probable des ressources,
ou vous pouvez sélectionner une période de collecte de données différente ou plus longue afin
d'augmenter la probabilité d'obtenir un pourcentage de points valides suffisant pour obtenir un
bon rapport.
Régression linéaire
La régression linéaire est basée sur un ajustement par les moindres carrés qui minimise la somme
des carrés des décalages verticaux entre chacun des points agrégés et la ligne qui les décrit.
ASTUCE : Les régressions effectuées sur de petits ensembles de données ne sont pas toujours
significatives et peuvent être trompeuses. Toute analyse de tendance basée sur moins d'une douzaine
de points agrégés doit être soigneusement comparée avec les données historiques afin de déterminer
« si elle a un sens ». Le nombre maximal de points de données pour l'analyse de tendance est
égal à la durée totale du rapport divisée par l'intervalle professionnel, puisque les intervalles
professionnels peuvent être exclus s'ils ne répondent pas aux critères de validité.
La tendance étant rapportée sous forme d'un taux de croissance annuel, il est préférable de disposer
de plus d'une année de données historiques avant d'essayer d'analyser des tendances.
Analyse des erreurs
Vous pouvez choisir d'inclure l'analyse des erreurs dans le rapport. La valeur d'erreur suivante est
disponible :
r au carré:
r
2
est le carré du coefficient de corrélation (r) et est utilisé dans l'analyse de précision de l'ajustement
des estimations de tendances. r est une valeur comprise entre 0 et +/- 1 ; dans le cas où celle-ci
s'approche de +/-1, elle indique une augmentation de la validité de la représentation des données.
Prévision de croissance
Les prévisions Capacity Advisor vous permettent de combiner une plage de données historiques
(la
plage de données de prévision ) avec une tendance prévue (le taux de croissance prévue annuel )
afin de générer un modèle de prévision . Le modèle de prévision peut être utilisé pour fournir une
estimation de l'utilisation future.
Chaque fois qu'un rapport ou un profil Capacity Advisor est généré avec une date de fin ultérieure
à la date actuelle, les données d'utilisation historique doivent être projetées dans l'avenir. La
projection est indiquée dans les graphiques d'utilisation par un arrière-plan coloré. Cette projection
est effectuée sur la base d'un modèle de prévision. Les modèles de prévision peuvent être définis
globalement, pour une charge de travail ou un système spécifique, pour un scénario, et pour une
charge de travail spécifique dans un scénario. Le processus de définition d'un modèle de prévision
étant globalement identique quel que soit son emplacement dans la hiérarchie des modèles de
prévision, les procédures ci-dessous sont divisées en deux parties : l'accès au modèle de prévision
et sa définition.
Prévision de croissance 37