Mini-rapport 1 - Exploration et régression

Objectif et pondération

Produire en équipe une analyse reproductible allant de la compréhension des données à une recommandation prudente appuyée par une régression.

Pondération : 15 % de la note finale.

Le travail mobilise les modules 01 à 04 : formuler une question, préparer les données, explorer une relation, comparer des régressions et communiquer une conclusion. Les rétroactions du laboratoire 01 vous aident à améliorer votre démarche et votre rapport Quarto.

Pour commencer

1. Formez une équipe de 2 ou 3 personnes.
2. Choisissez une question liée à une décision et un jeu de données adapté à la régression.
3. Téléchargez le dossier de départ et le gabarit, puis faites un premier rendu dans RStudio.
4. Complétez progressivement l’analyse en vous appuyant sur les attentes ci-dessous et la grille commune.

Échéancier pédagogique

• Proposition du jeu de données : par courriel à la personne enseignante, dès que possible et de préférence avant le 30 septembre. Le mercredi 30 septembre 2026 est la date limite.
• Approbation du jeu de données : avant de commencer la modélisation.
• Remise : le mercredi 7 octobre 2026 à 23 h 59 dans Brio. Consultez aussi le calendrier du cours.

Le dépôt se fait dans l’évaluation « Mini-rapport 1 - Exploration et régression » de Brio. Un seul membre remet l’archive pour l’équipe; le rapport doit identifier tous les membres.

Modalité

• Équipe de 2 ou 3 personnes.
• Environ 1 200 à 1 600 mots, hors code et références.
• Maximum de quatre figures et tableaux principaux au total. Sélectionnez les sorties utiles et commentez-les dans le texte.
• IA permise avec déclaration selon la politique du cours.

Livrables

Remettre une archive .zip contenant :

1. le fichier source .qmd;
2. le fichier HTML autonome;
3. le jeu de données autorisé ou un script reproductible d’importation;
4. un court README.md indiquant comment rendre le document;
5. la déclaration IA, ou la mention explicite « Aucun usage d’IA ayant influencé le livrable »;
6. une déclaration de contribution d’une phrase par membre.

Les déclarations IA et de contribution peuvent figurer à la fin du rapport, comme dans le gabarit. Incluez aussi les éventuels scripts appelés par le .qmd. Le HTML doit contenir les figures et les ressources nécessaires à sa lecture, grâce à embed-resources: true.

Choisir un jeu de données

Pour ce mini-rapport, choisissez un jeu de données extérieur au cours. Les jeux fournis dans les modules, les laboratoires et la section Données du cours ne sont pas admissibles, même si vous les retrouvez sur un autre site. Chaque équipe propose son jeu et attend son approbation avant de commencer la modélisation.

Où chercher?

Ces catalogues sont des points de départ, et non des listes de jeux automatiquement approuvés :

• Données bleues : jeux de données et fiches pédagogiques, notamment dans des contextes québécois;
• Données Québec : catalogue de données ouvertes du Québec;
• Portail du gouvernement ouvert du Canada : données publiées par des organismes publics;
• Statistique Canada : tableaux et fichiers statistiques;
• Kaggle Datasets : plateforme de recherche de jeux de données. Vérifiez la source originale et la licence de chaque jeu avant de le proposer.

Cherchez d’abord un sujet lié à une décision possible, puis un tableau de données qui permette de l’étudier. Un jeu trouvé dans un catalogue n’est pas approuvé du seul fait qu’il y figure. Ne reprenez pas une analyse ou une solution déjà publiée avec le jeu choisi.

Quel tableau convient à ce travail?

• Chaque ligne correspond à une observation de même nature : par exemple une municipalité pour une année, un trajet ou un établissement pour un mois. N’additionnez pas des lignes de détail et des lignes de total.
• Chaque colonne correspond à une variable dont le sens et, s’il y a lieu, l’unité sont connus. Il faut au moins une réponse numérique à expliquer et deux variables explicatives possibles. Ces dernières peuvent être numériques ou catégorielles.
• Visez au moins 50 lignes utilisables après le traitement des valeurs manquantes. Si votre jeu en comporte moins, justifiez ce choix dans la proposition; son acceptation n’est pas garantie. Vérifiez aussi que les variables varient réellement et que les catégories retenues ne reposent pas sur quelques observations seulement.
• Le fichier doit pouvoir être importé dans R de manière reproductible, idéalement en CSV. Un autre format tabulaire convient si vous pouvez fournir le fichier ou un script d’importation avec le rapport. Un PDF, des images ou une collection de textes sans tableau exploitable ne suffisent pas.
• La source, la période, la population couverte, les définitions des variables et les conditions de réutilisation doivent être identifiables. N’utilisez aucune donnée personnelle, confidentielle ou obtenue sans droit clair d’utilisation.
• Le tableau doit permettre un graphique, un modèle simple de référence, un modèle principal, un diagnostic des résidus et une interprétation prudente. Une variable calculée directement à partir de la réponse ne constitue pas une preuve indépendante pour l’expliquer.

Proposition par courriel

Envoyez votre proposition dès que votre équipe a trouvé un jeu plausible, de préférence avant le 30 septembre. Le mercredi 30 septembre 2026 est la date limite pour écrire à la personne enseignante. Un envoi plus tôt vous laisse du temps pour revoir votre choix si le jeu ne convient pas. Votre courriel doit contenir :

1. les noms des membres de l’équipe;
2. le titre du jeu, son organisme producteur et le lien direct vers sa fiche et son téléchargement;
3. sa licence ou ses conditions de réutilisation;
4. le nombre approximatif de lignes et de colonnes, ainsi que l’unité d’observation;
5. la réponse numérique et au moins deux variables explicatives envisagées, avec leurs unités ou catégories;
6. une question d’analyse liée à une décision et une phrase expliquant pourquoi le jeu permet d’y répondre;
7. la confirmation qu’aucun renseignement personnel ou confidentiel ne sera utilisé.

Suivez aussi la procédure de validation des données. L’approbation porte sur l’admissibilité du jeu; elle ne garantit pas que la question ou la méthode proposée sera retenue telle quelle.

Contenu attendu

Question et données

• question d’analyse liée à une décision;
• origine, droit d’utilisation et limites;
• unité d’observation et variables;
• contrôles de qualité et transformations justifiées.

Indiquez le nombre d’observations avant et après la préparation. Expliquez les valeurs manquantes, les exclusions et les transformations qui ont un effet sur votre analyse.

Exploration

• résumé descriptif ciblé;
• au moins une visualisation répondant à la question;
• distinction entre observation, association et causalité.

Régression

Présentez un modèle simple de référence et une variante pertinente, puis justifiez le modèle retenu pour répondre à la question. La référence peut être retenue si la variante n’apporte pas d’amélioration utile. La complexité n’est pas un objectif en soi.

• Décrivez la variable réponse, les variables explicatives et la forme de chaque modèle. Par exemple, les modules 03 et 04 permettent de comparer une droite à une relation quadratique ou à une transformation justifiée.
• Comparez les modèles sur les mêmes observations et pour la même variable réponse. Présentez une mesure d’ajustement adaptée, par exemple le R² ou la RMSE, ainsi que les avantages et limites en matière d’interprétation et d’utilité. Un R² calculé pour une réponse transformée, par exemple log(Y), ne se compare pas directement à celui d’un modèle pour Y.
• Interprétez au moins deux coefficients dans le contexte, en précisant les unités et la portée de l’interprétation. Si vous interprétez l’ordonnée à l’origine, indiquez si la valeur zéro des variables explicatives a un sens et se situe dans le domaine observé. Pour une relation quadratique, l’effet de la variable dépend de son niveau : le coefficient du terme au carré n’est pas une variation constante de la réponse.
• Présentez au moins un graphique de diagnostic des résidus, par exemple résidus contre valeurs ajustées pour le modèle retenu. Décrivez ce qu’il montre et discutez une limite concrète du modèle.

Pour ce premier mini-rapport, une séparation apprentissage/test ou une validation croisée n’est pas obligatoire. Une mesure calculée sur les données ayant servi à ajuster le modèle décrit son ajustement; elle ne démontre pas sa performance sur de nouvelles données. Respectez cette limite dans votre conclusion.

Décision

• recommandation répondant à la question;
• incertitude ou réserve importante;
• prochaine vérification à réaliser avant une décision réelle.

Grille

La grille commune des mini-rapports est appliquée sur 100 points puis convertie en 15 %.

Vérification avant remise

• Le HTML se rend sur un autre ordinateur à partir des fichiers remis.
• Le rendu a été refait après redémarrage de R, à partir de l’archive extraite dans un autre dossier.
• Les bibliothèques sont chargées explicitement.
• Les chemins sont relatifs.
• Les modèles comparés portent sur les mêmes observations et la même réponse.
• Au moins deux coefficients et un diagnostic des résidus sont interprétés.
• Les graphiques comportent titre, axes et unités.
• Le rapport respecte la longueur et la limite de quatre figures et tableaux principaux au total.
• La conclusion répond à la question sans causalité non démontrée.
• Les contributions et l’usage de l’IA sont documentés.
• Un membre a déposé le ZIP dans la bonne évaluation Brio et vérifié la présence du fichier remis.

Gabarit

Utilisez le gabarit du mini-rapport 1.