1 Objectif du projet
Vous réalisez une étude complète de données avec une double approche :
- Descriptive et probabiliste : comprendre le phénomène et proposer des modèles de lois adaptés.
- Inférentielle et asymptotique : quantifier l’incertitude, justifier les approximations et conclure avec un niveau de confiance explicite.
Le projet doit montrer que vous savez relier les concepts théoriques du cours à des décisions concrètes.
2 Contexte proposé
Vous êtes consultant junior pour une plateforme de livraison locale. L’entreprise veut améliorer sa qualité de service et vous confie un jeu de données contenant, pour chaque commande :
- délai de préparation (minutes),
- délai de livraison (minutes),
- montant de la commande (euros),
- distance (km),
- indicateur de retard (1 si la commande dépasse 45 minutes, 0 sinon),
- satisfaction client (note de 1 à 5).
3 Jeu de données
3.1 Option 1 — Utiliser le dataset proposé (recommandé)
Un jeu de données fictif reproductible est fourni :
- Fichier CSV :
delivery_data.csv(400 observations, 8 colonnes) - Script générateur :
generate_delivery_data.py(Python 3, numpy, pandas)
Télécharger directement : - delivery_data.csv - generate_delivery_data.py
Ou régénérer les données :
python generate_delivery_data.pyPropriétés du dataset :
- Variables quantitatives :
distance_km,montant_euros,delai_prep_min,delai_livr_min,delai_total_min - Variable binaire :
est_retard(1 = commande > 45 min, 0 sinon) - Variable ordinale :
satisfaction(1–5, majorité 4–5) - Dépendances réalistes : montant lié à la distance, délai de livraison lié à la distance, satisfaction affectée par les retards
- Taille : exactement 400 observations
- Reproductible : seed=42 (identique à chaque exécution)
Statistiques du dataset
| Statistique | distance_km | montant_euros | delai_total_min | est_retard | satisfaction |
|---|---|---|---|---|---|
| moyenne | 12.61 | 33.40 | 48.19 | 62.0% | 4.26 |
| écart-type | 7.20 | 17.65 | 22.80 | — | 0.58 |
| min | 0.62 | 4.99 | 13 | — | 3 |
| max | 24.77 | 88.59 | 140 | — | 5 |
3.2 Option 2 — Utiliser vos propres données
Vous pouvez aussi :
- Utiliser un jeu de données réel (si disponible auprès de votre entreprise/institution).
- Générer des données selon vos propres hypothèses (en explicitant le modèle de simulation).
Contrainte minimale : au minimum 200 observations, avec au moins une variable discrète et une variable continue.
4 Consignes générales
- Travail en binôme (ou trinôme avec validation de l’enseignant).
- Code reproductible obligatoire (Python ou R).
- Toutes les figures et tous les résultats numériques doivent être générés automatiquement.
- Chaque conclusion doit être reliée à un résultat chiffré (estimateur, intervalle, probabilité, test, approximation).
5 Par où commencer ?
- Téléchargez
delivery_data.csvetquickstart_project.py. - Exécutez le script quickstart pour explorer les données (10 min).
- Lisez la Partie A de la feuille de route et lancez vos premiers calculs.
- Itérez : chaque partie s’appuie sur la précédente. Fixez-vous une deadline par partie.
6 Feuille de route (toutes les parties sont obligatoires)
6.1 Partie A — Statistiques descriptives univariées et bivariées
- Décrire les variables quantitatives (moyenne, médiane, variance, quartiles, histogrammes, boxplots).
- Étudier au moins une relation bivariée pertinente (distance vs délai, montant vs satisfaction, etc.).
- Produire une première lecture métier : quels sont les signaux de risque de retard ?
6.2 Partie B — Modélisation probabiliste
- Proposer une loi pour une variable discrète (ex. retard : Bernoulli/Binomiale ; nombre de retards par journée : Poisson).
- Proposer une loi pour une variable continue (ex. délai : exponentielle, normale ou autre loi justifiée).
- Vérifier la cohérence des hypothèses par graphiques et indicateurs (ordre de grandeur, forme, dispersion).
6.3 Partie C — Inégalités de concentration
- Utiliser l’inégalité de Markov sur une variable positive du projet.
- Utiliser l’inégalité de Bienayme-Tchebychev pour majorer une probabilité de déviation.
- Comparer ces majorations avec une probabilité empirique observée sur les données et commenter l’écart.
6.4 Partie D — Convergences et simulation
- Simuler des échantillons i.i.d. et illustrer la loi faible des grands nombres sur une moyenne empirique.
- Montrer numériquement la convergence de la variance empirique.
- Donner un exemple de convergence en probabilité et un exemple de convergence en loi dans votre contexte.
6.5 Partie E — Echantillonnage, estimation, intervalles
- Estimer au moins deux paramètres d’intérêt (ex. proportion de retards, délai moyen).
- Construire les intervalles de confiance associés et expliquer leur interprétation correcte.
- Discuter l’effet de la taille d’échantillon sur la précision.
6.6 Partie F — Theoreme central limite et approximation
- Choisir une somme ou une moyenne d’interet et justifier l’usage du TCL.
- Realiser une approximation normale (avec standardisation explicite).
- Evaluer la qualite de l’approximation (comparaison empirique ou simulation).
6.7 Partie G — Monte-Carlo
- Definir une quantite d’interet ecrite comme une esperance ou une integrale.
- L’estimer par Monte-Carlo avec plusieurs tailles d’echantillon.
- Montrer numeriquement le comportement en ordre \(1/\sqrt{n}\) de l’erreur (ou de l’ecart-type empirique).
6.8 Partie H — Continuite et Slutsky
- Appliquer un resultat de continuite a une transformation de statistique (carre, logarithme, ratio, etc.).
- Donner un exemple concret d’utilisation de Slutsky pour obtenir une loi limite exploitable.
- Expliquer en une phrase pourquoi ce resultat simplifie l’inference dans votre projet.
7 Livrables
- Rapport (8 a 12 pages) :
- contexte et question metier,
- methodologie,
- resultats,
- limites,
- recommandations operationnelles.
- Notebook ou script reproductible : import, nettoyage, calculs, figures, simulation.
- Presentation orale (8 minutes + 4 minutes de questions).
8 Bareme propose (sur 100)
- Rigueur mathematique et justification des modeles : 25
- Qualite statistique des analyses et des estimations : 25
- Mobilisation complete des notions du cours : 25
- Qualite du code, visualisations et reproductibilite : 15
- Clarte de la communication (rapport + oral) : 10
9 Checklist de couverture du cours
Votre rendu doit explicitement contenir :
- statistiques univariees et bivariees,
- au moins une variable discrete et une variable continue modelisees,
- inegalites de Markov et de Bienayme-Tchebychev,
- convergence en probabilite et en loi,
- loi faible des grands nombres,
- estimation ponctuelle + intervalle de confiance,
- une utilisation du TCL,
- une simulation Monte-Carlo,
- une application d’un resultat de continuite,
- une application de Slutsky.
10 Bonus (facultatif)
- Comparer deux quartiers/zones de livraison avec une analyse conditionnelle.
- Ajouter une etude de sensibilite (que se passe-t-il si la variabilite augmente de 20 % ?).
- Proposer une politique operationnelle (nombre minimal de livreurs pour garantir un risque de retard inferieur a un seuil).
11 Conseils de methode
- Commencez par des questions metier simples, puis traduisez-les en objets probabilistes.
- Evitez les conclusions sans quantification de l’incertitude.
- Faites apparaitre clairement les hypotheses sous chaque resultat.
- Distinguez ce qui est observe (donnees), estime (statistique) et theorique (modele).
Citation
@online{gilles,
author = {Gilles, Guillaume},
title = {Projet Intégrateur — {Statistiques} Et {Probabilités}},
url = {https://ggilles.dev/teaching/probability/project-integrateur.html},
langid = {en},
abstract = {Ce projet de fin de module permet de mobiliser l’ensemble
des notions du cours sur un cas appliqué unique : modéliser,
simuler, estimer et interpréter la qualité d’un service à partir de
données.}
}