Exercices progressifs - Laboratoire 02
Parcours essentiel
Les étapes du guide constituent l’exercice principal :
- comprendre les livraisons et séparer les périodes;
- ajuster la droite et le modèle quadratique, les interpréter et faire un choix provisoire;
- comparer les erreurs sur les livraisons suivantes;
- examiner les résidus, expliquer l’incident et évaluer les trois affirmations;
- relire et recalculer;
- faire la consolidation.
Les indices aident après une tentative. Les corrections détaillées restent réservées à l’enseignant.
Prolongements facultatifs
Les prolongements 1 à 3 utilisent les données de la mission : livraisons_regionales_quebec.csv, avec son dictionnaire.
Le prolongement 4 utilise un autre fichier et porte sur les délais de service dans des succursales. Choisissez une seule piste, après avoir terminé le parcours essentiel.
1. Sensibilité à une livraison avec incident
Le parcours essentiel conserve L072. Pour étudier la question différente des livraisons sans panne confirmée, refaites les deux ajustements sur les 71 autres observations d’apprentissage. Gardez les mêmes 24 observations de validation et les mêmes formules.
Comparez les RMSE d’apprentissage et de validation, ainsi que les prévisions à 25 et à 95 km, avec et sans L072 dans l’apprentissage. Décrivez ce qui change et les limites de cette comparaison. Gardez les résultats du parcours essentiel dans le rapport.
À ajouter au rapport : un petit tableau comparatif et trois phrases qui précisent les livraisons visées, ce qui change dans les résultats et une limite de l’analyse.
Filtrez uniquement l’apprentissage, puis réajustez les deux modèles. La qualité de la mesure de L072 est confirmée. L’exclusion vise une autre population; elle ne se justifie pas par une amélioration numérique à elle seule. Vérifiez aussi la nouvelle plage des distances.
2. Une troisième forme et le choix après validation
Le logarithme est déjà enseigné, mais essayer une troisième forme après avoir vu les deux erreurs change la procédure de sélection.
Expliquez d’abord pourquoi vous voulez essayer le logarithme de la distance. Indiquez aussi quelle nouvelle période de livraisons vous souhaiteriez recueillir pour vérifier ce choix. Ces données supplémentaires ne sont pas fournies : il s’agit de proposer une collecte future.
Vous pouvez ensuite ajuster le modèle logarithmique sur l’apprentissage initial et calculer sa RMSE sur la validation actuelle. Présentez ce résultat comme une exploration : cette même période a déjà servi à comparer les deux premiers modèles.
À ajouter au rapport : votre justification, la RMSE obtenue et une phrase expliquant pourquoi il faudrait de nouvelles données pour confirmer ce choix.
Vérifiez les distances strictement positives. Seule l’explicative est transformée; la réponse et les erreurs restent en minutes.
3. Le classement est-il le même dans chaque centre?
Gardez les deux modèles du parcours essentiel. Calculez leurs RMSE de validation séparément pour chaque centre. Indiquez les effectifs et comparez le classement dans chaque centre à celui obtenu pour l’ensemble des livraisons. Ne réajustez pas un modèle par centre.
À ajouter au rapport : un tableau par centre et une phrase expliquant pourquoi six observations par centre limitent la comparaison.
Créez les deux colonnes de prédictions avec predict(), puis utilisez group_by(centre) et summarise(). Une différence d’erreur entre centres ne suffit pas à expliquer sa cause ni à juger leur efficacité.
4. Transfert à une question de service
Jeu de données de transfert : performance_succursales_quebec.csv.
Téléchargez ce CSV et placez-le dans le dossier data/ de votre projet pour ce prolongement.
Ce jeu complémentaire est conservé dans le cours, mais il n’est plus celui de la mission. Posez une question différente des ventes des capsules : le délai de service en minutes selon l’achalandage en milliers de visites. Une ligne est un mois d’une succursale.
Utilisez les mois de janvier à septembre pour l’apprentissage et ceux d’octobre à décembre pour la validation. Comparez une droite et un modèle quadratique sur les mêmes observations. Pour chacun, calculez une RMSE d’apprentissage et une RMSE de validation, en minutes. Le classement peut différer de celui obtenu sur les livraisons.
Interprétez la pente de la droite pour 100 visites supplémentaires. Choisissez deux niveaux d’achalandage dans la plage d’apprentissage, indiquez-les et calculez la différence entre les deux délais prédits par le modèle quadratique. Expliquez aussi pourquoi les mois répétés d’une même succursale limitent l’interprétation.
À ajouter au rapport : un tableau comparatif, la différence calculée avec ses unités et trois phrases de conclusion. Si vous choisissez cette piste, elle remplace les autres prolongements.
La réponse est delai_service_minutes. Créez achalandage_milliers = achalandage / 1000 avant d’ajuster les modèles; 100 visites correspondent alors à 0,1 unité. La validation concerne des mois ultérieurs des mêmes succursales. Vos comparaisons restent descriptives.