PRÉLIMINAIRES

I. Objectifs Pédagogiques et Compétences Visées

Cette unité d’enseignement structure la capacité de l’étudiant à transformer des données brutes en décisions stratégiques. L’objectif est de maîtriser la modélisation des phénomènes aléatoires inhérents aux systèmes informatiques complexes. En se focalisant sur l’analyse de variance et les séries temporelles, le cours prépare directement aux défis de l’anticipation de charge sur les réseaux télécoms congolais. L’apprenant forgera une compétence essentielle : appliquer rigoureusement les méthodes statistiques pour valider des algorithmes prédictifs, compétence fondamentale pour les métiers de la science des données.

II. Méthodologie d’Évaluation

L’évaluation sanctionne la double maîtrise, théorique et appliquée, des concepts statistiques. Elle se compose d’un examen final sur table (60%) vérifiant la compréhension des modèles probabilistes et des tests d’inférence. Une part substantielle (40%) est allouée à un projet pratique en groupe. Ce projet consistera à analyser un jeu de données réel issu d’un contexte congolais (ex: transactions de monnaie mobile, logs de connexion d’un FAI, données épidémiologiques) pour en extraire des insights actionnables, matérialisés dans un rapport d’analyse et une présentation orale.

III. Prérequis et Positionnement dans le Cursus

Un socle solide en analyse mathématique et en algèbre linéaire, acquis en première année de Licence, est indispensable pour aborder cette UE. La maîtrise des concepts de fonctions, de limites, de dérivation et d’intégration est non négociable. Cette unité d’enseignement est la pierre angulaire qui précède et conditionne la réussite dans les cours avancés du cycle d’ingénieur. Elle fournit l’outillage conceptuel pour l’intelligence artificielle (L3), l’apprentissage automatique (M1) et l’analyse des données massives (M2), positionnant l’étudiant au cœur des métiers de l’économie numérique.

PARTIE 1 : Fondements Probabilistes et Statistique Descriptive

Chapitre I. Théorie des Probabilités et Variables Aléatoires

L’axiomatique de Kolmogorov, formalisée en 1933, a unifié la théorie des probabilités, la libérant des paradoxes de l’approche classique. Ce chapitre attaque la modélisation de l’incertitude par ce prisme rigoureux. L’enjeu est de dépasser l’intuition pour quantifier le hasard dans des systèmes critiques, comme la fiabilité des infrastructures réseau de la RDC ou la volatilité des cours du cobalt. L’étudiant y forgera une compétence fondamentale : construire des modèles probabilistes robustes capables de décrire et prédire des événements complexes dans un environnement incertain.

I.1 Axiomatique de Kolmogorov et Espaces Probabilisés

Fondement de la statistique moderne, l’axiomatique de Kolmogorov fournit un cadre mathématique rigoureux pour quantifier l’incertitude. Ce segment dissèque les trois axiomes (non-négativité, normalisation, additivité) qui définissent un espace de probabilité. L’analyse se concentre sur la construction de l’algèbre des événements et de la mesure de probabilité. L’étudiant apprendra à formaliser un problème concret, comme le risque de défaillance d’un composant dans le réseau électrique de la SNEL, en un modèle probabiliste cohérent, garantissant la validité des calculs ultérieurs.

I.2 Probabilités Conditionnelles et Théorème de Bayes

Sous l’angle de la mise à jour des connaissances, le théorème de Bayes est l’outil central de l’inférence statistique. Ce sous-chapitre expose la mécanique de la probabilité conditionnelle et de l’indépendance stochastique. L’accent est mis sur la capacité du théorème à inverser la conditionnalité pour réviser une probabilité a priori à la lumière de nouvelles données. L’ingénieur en formation saura appliquer ce principe pour des diagnostics médicaux assistés par ordinateur ou pour affiner les systèmes de détection de fraude dans les transactions de monnaie mobile à Kinshasa.

I.3 Variables Aléatoires Discrètes et Continues

Une connaissance approfondie des variables aléatoires est impérative pour modéliser les grandeurs issues d’expériences aléatoires. Cette section établit une distinction nette entre les variables discrètes (issues d’un dénombrement) et continues (issues d’une mesure). Les concepts de fonction de masse, de fonction de densité et de fonction de répartition sont étudiés en détail. L’étudiant sera capable de choisir le type de variable adéquat pour modéliser des phénomènes aussi variés que le nombre d’appels par heure sur une antenne Vodacom (discret) ou le temps de latence d’un paquet de données (continu).

I.4 Lois de Probabilité Usuelles (Bernoulli, Binomiale, Poisson, Normale)

Face à la diversité des phénomènes aléatoires, les lois de probabilité usuelles offrent des modèles éprouvés et efficaces. Ce module présente le catalogue des lois fondamentales et leurs conditions d’application. De l’épreuve de Bernoulli à la loi Normale, en passant par la Binomiale et la loi de Poisson, chaque loi est liée à un processus générateur typique. L’apprenant acquerra la compétence de reconnaître la structure d’un problème et d’y associer la loi pertinente, que ce soit pour modéliser les défauts de production dans une usine ou la répartition des notes d’examen.

Chapitre II. Statistique Descriptive et Visualisation des Données

Le quartet d’Anscombe, publié en 1973, a démontré de manière implacable les limites des résumés statistiques seuls. Des jeux de données aux propriétés numériques identiques peuvent cacher des réalités structurelles radicalement différentes. Ce chapitre tranche ce débat en imposant la visualisation comme une étape non négociable de l’analyse exploratoire. En appliquant ces techniques aux données démographiques ou agricoles de la RDC, l’étudiant forgera une compétence critique. Il apprendra à identifier les patterns, les anomalies et les structures cachées qu’un simple calcul de moyenne occulterait.

II.1 Indicateurs de Tendance Centrale et de Position

Au-delà de la simple moyenne, la caractérisation d’un jeu de données exige des outils plus fins. Ce sous-chapitre se concentre sur les indicateurs de tendance centrale (moyenne, médiane, mode) et de position (quantiles, déciles, centiles). L’analyse met en lumière la robustesse de la médiane face aux valeurs aberrantes, un enjeu majeur dans l’analyse des revenus en RDC. L’étudiant apprendra à choisir l’indicateur le plus pertinent pour résumer l’information de manière honnête et informative, évitant les conclusions hâtives et les biais d’interprétation.

II.2 Indicateurs de Dispersion et de Forme

Quantifier l’hétérogénéité d’un ensemble de données est une étape critique pour évaluer le risque et la variabilité. Cette section couvre l’étendue, la variance, l’écart-type et le coefficient de variation. Elle introduit également les indicateurs de forme que sont les coefficients d’asymétrie (skewness) et d’aplatissement (kurtosis). L’analyste de données saura utiliser ces outils pour comparer la volatilité des prix agricoles entre le Kivu et le Kongo Central, fournissant des informations vitales pour la gestion des chaînes d’approvisionnement et la politique de sécurité alimentaire.

II.3 Représentations Graphiques : De l’Histogramme au Box Plot

Traduire la complexité numérique en intuition visuelle est l’objectif de la visualisation de données. Ce module offre une maîtrise pratique des outils graphiques fondamentaux : histogrammes pour visualiser les distributions, diagrammes en barres pour les données catégorielles, et boîtes à moustaches (box plots) pour comparer des groupes. L’étudiant sera capable de construire des graphiques percutants et informatifs pour, par exemple, comparer la performance des élèves de différentes provinces ou visualiser la distribution des âges dans la population urbaine de Lubumbashi.

II.4 Analyse de Corrélation et Nuages de Points

Détecter les liens entre deux variables quantitatives constitue une première étape vers la modélisation prédictive. Ce segment introduit le nuage de points comme outil visuel d’exploration et le coefficient de corrélation de Pearson comme mesure numérique de l’intensité de la liaison linéaire. Une distinction stricte est faite entre corrélation et causalité. L’étudiant apprendra à quantifier la relation entre les investissements en infrastructure et la croissance économique locale, ou entre la pluviométrie et les rendements agricoles, fournissant une base factuelle pour l’aide à la décision.

Chapitre III. Inférence Statistique et Estimation de Paramètres

Le concept d’intervalle de confiance, développé par Jerzy Neyman dans les années 1930, a révolutionné la science en permettant de généraliser les observations d’un échantillon à une population entière. Ce chapitre est construit autour de cette percée épistémologique. L’enjeu est de quantifier la précision d’une estimation et de prendre des décisions en présence d’incertitude. En appliquant ces méthodes pour estimer la prévalence du paludisme à partir d’enquêtes de terrain en RDC, l’étudiant forgera une compétence de haute valeur : produire des conclusions fiables et chiffrées sur un grand groupe depuis un sous-ensemble limité.

III.1 Échantillonnage et Théorème Central Limite

Le passage de l’échantillon à la population est gouverné par le Théorème Central Limite (TCL), pierre angulaire de l’inférence. Ce sous-chapitre explique pourquoi la distribution des moyennes d’échantillons tend vers une loi Normale, quelle que soit la distribution de la population mère. Cette propriété est le fondement de la quasi-totalité des tests statistiques. L’étudiant comprendra la base théorique qui permet à un sondage sur 1000 personnes à Kinshasa de refléter l’opinion de millions, une compétence clé pour les études de marché et la sociologie quantitative.

III.2 Estimation Ponctuelle : Biais et Efficacité

Isoler la “meilleure” valeur unique pour représenter un paramètre inconnu de la population est l’objectif de l’estimation ponctuelle. Cette section définit les qualités d’un bon estimateur : l’absence de biais (il ne surestime ni ne sous-estime systématiquement la vraie valeur) et l’efficacité (sa variance est minimale). L’apprenant sera capable d’évaluer et de comparer différentes méthodes d’estimation pour, par exemple, déterminer la consommation moyenne de data mobile d’un abonné Orange RDC, un chiffre crucial pour la planification des investissements réseau.

III.3 Estimation par Intervalle de Confiance

Reconnaissant l’imprécision de toute estimation ponctuelle, l’approche par intervalle fournit une plage de valeurs plausibles pour le paramètre d’intérêt, associée à un niveau de confiance. Ce module détaille la construction et l’interprétation rigoureuse des intervalles de confiance pour une moyenne et une proportion. L’ingénieur saura fournir à un décideur non plus une seule valeur, mais une fourchette crédible, par exemple pour l’estimation des réserves d’un gisement de coltan, communiquant ainsi de manière transparente le degré d’incertitude de l’évaluation.

III.4 Introduction aux Tests d’Hypothèses (p-valeur, risques α et β)

Formaliser une prise de décision en présence d’incertitude est le rôle des tests d’hypothèses. Ce segment introduit le cadre de Neyman-Pearson : la formulation d’une hypothèse nulle (H0) et d’une alternative (H1), le calcul d’une statistique de test et l’interprétation de la p-valeur. Les risques d’erreur de type I (α) et de type II (β) sont clairement définis. L’étudiant sera apte à mener un test A/B pour déterminer si une nouvelle interface d’une application de mobile banking augmente significativement le taux de transaction.

PARTIE 2 : STATISTIQUE INFÉRENTIELLE ET MODÉLISATION PRÉDICTIVE

Chapitre IV. L’Inférence Statistique : De l’Échantillon à la Population

L’inférence statistique, formalisée par Ronald Fisher dans les années 1920, constitue le pilier de la prise de décision en environnement incertain. Elle fournit les outils mathématiques pour généraliser les observations d’un échantillon à une population entière. Ce chapitre ancre cette théorie dans la réalité congolaise, où des données partielles doivent éclairer des stratégies nationales. L’analyse portera sur l’estimation de la prévalence de l’usage des services financiers mobiles à Kinshasa à partir de sondages ciblés. L’étudiant forgera une compétence critique : quantifier la confiance et le risque associés à chaque décision basée sur des données limitées.

IV.1 Estimation Ponctuelle et par Intervalle

Fondement de l’inférence, l’estimation vise à déduire les paramètres d’une population (moyenne, proportion) à partir de statistiques d’échantillon. La critique des limites techniques de l’estimation ponctuelle, qui ne fournit qu’une valeur unique sans marge d’erreur, impose le recours aux intervalles de confiance. Ce module se concentre sur leur construction et leur interprétation rigoureuse. L’analyste apprendra à calculer et à communiquer un intervalle de confiance pour le revenu moyen des micro-entrepreneurs du marché de la Liberté, fournissant ainsi aux décideurs une plage de valeurs plausibles et non une certitude illusoire.

IV.2 Tests d’Hypothèses Paramétriques

Sous l’angle décisionnel, le test d’hypothèses est un protocole formel pour trancher entre deux affirmations concurrentes sur une population. En s’appuyant sur le paradigme de Neyman-Pearson, ce sous-chapitre structure la démarche : formulation des hypothèses nulle (H0) et alternative (H1), choix du seuil de signification, et calcul de la statistique de test. L’application directe concernera la validation de l’efficacité d’un nouvel algorithme de compression de données sur le réseau d’un opérateur télécom en RDC. L’ingénieur saura ainsi valider ou rejeter une amélioration technique sur la base de preuves statistiques robustes.

IV.3 Le Test du Khi-deux (χ²)

Outil essentiel pour les données catégorielles, le test du Khi-deux évalue l’adéquation entre des fréquences observées et des fréquences théoriques. Il permet de tester l’indépendance entre deux variables qualitatives. Ce segment explore son application dans l’analyse des données de marché et des enquêtes d’opinion, omniprésentes en RDC. L’étudiant l’appliquera pour déterminer s’il existe une association statistiquement significative entre la province d’origine et le choix d’un fournisseur de services internet à Lubumbashi. Il maîtrisera ainsi une technique fondamentale pour segmenter et comprendre les comportements des consommateurs.

IV.4 Puissance d’un Test et Erreurs Statistiques

Face au risque inhérent à toute décision statistique, la distinction entre erreur de type I (rejeter H0 à tort) et erreur de type II (ne pas rejeter H0 à tort) est capitale. La puissance d’un test, définie comme 1-β, mesure sa capacité à détecter un effet réel. Ce module critique les analyses qui ignorent cette notion, conduisant à des conclusions potentiellement fausses. L’apprenant calculera la taille d’échantillon nécessaire pour atteindre une puissance de 80% dans une étude clinique simulée à Goma, garantissant la crédibilité et l’efficience des ressources expérimentales.

Chapitre V. L’Analyse de la Variance (ANOVA) et la Conception d’Expériences

L’analyse de la variance (ANOVA) dépasse les limites du t-test en permettant la comparaison simultanée des moyennes de plus de deux groupes. Cette technique est indispensable pour évaluer l’impact d’un ou plusieurs facteurs sur une variable quantitative. Ce chapitre est entièrement orienté vers l’optimisation des processus et des rendements, une problématique centrale pour l’économie congolaise. L’étude se focalisera sur la comparaison de la productivité de différentes variétés de manioc dans la province du Kwilu soumises à divers fertilisants. L’étudiant développera la capacité de concevoir et d’analyser des expériences pour identifier les facteurs d’amélioration les plus significatifs.

V.1 ANOVA à un Facteur (One-Way ANOVA)

Une connaissance approfondie de l’ANOVA à un facteur permet de déterminer si les différences observées entre les moyennes de plusieurs groupes sont statistiquement significatives ou dues au hasard. Le modèle décompose la variance totale des données en variance inter-groupes et intra-groupe. Ce sous-chapitre applique cette méthode pour comparer la latence moyenne de connexion internet chez trois fournisseurs différents à Matadi. L’analyste de données sera capable de conclure avec un niveau de confiance défini si un fournisseur surpasse significativement les autres, orientant ainsi les décisions d’investissement ou de contrat.

V.2 ANOVA à Deux Facteurs et Interactions

Sous l’angle de la complexité, l’ANOVA à deux facteurs examine simultanément l’effet de deux variables catégorielles indépendantes, ainsi que leur potentielle interaction. Une interaction signifie que l’effet d’un facteur dépend du niveau de l’autre facteur, une nuance souvent ignorée mais cruciale. Ce module analyse la performance de serveurs informatiques en fonction du système d’exploitation ET du type de charge de travail. L’ingénieur système apprendra à détecter ces effets croisés, lui permettant de recommander des configurations optimales qui maximisent la performance en tenant compte des synergies ou des interférences.

V.3 Comparaisons Multiples Post-Hoc

Face à un résultat significatif de l’ANOVA, la question “quels groupes spécifiques diffèrent entre eux ?” devient primordiale. Les tests post-hoc, comme ceux de Tukey ou de Bonferroni, répondent à cette question en contrôlant le taux d’erreur global lors de comparaisons multiples. Ce segment se concentre sur l’application rigoureuse de ces tests pour affiner le diagnostic. Après avoir établi une différence globale dans les ventes promotionnelles à travers plusieurs communes de Kinshasa, l’étudiant identifiera précisément quelles communes réagissent différemment, permettant un ciblage marketing chirurgical et une allocation optimisée des ressources.

V.4 Plans d’Expériences Factoriels

D’origine industrielle, la conception de plans d’expériences factoriels est une approche systématique pour étudier l’effet de plusieurs facteurs simultanément. Elle maximise la quantité d’information obtenue tout en minimisant le nombre d’essais nécessaires. Ce module enseigne comment construire et analyser des plans factoriels 2^k, particulièrement utiles en ingénierie et en R&D. L’apprenant concevra une expérience pour optimiser les paramètres d’un algorithme de machine learning (ex: taux d’apprentissage, nombre de couches) afin de maximiser sa précision prédictive sur des données de consommation électrique de la SNEL.

Chapitre VI. Introduction à la Régression et aux Séries Temporelles

La régression linéaire, formalisée par Legendre et Gauss au début du 19ème siècle, reste le modèle prédictif le plus fondamental et le plus interprétable. Ce chapitre établit les bases de la modélisation de la relation entre une variable dépendante et une ou plusieurs variables indépendantes. Son application en RDC est immédiate pour la prévision économique et la gestion des ressources. Le cours modélisera la relation entre les investissements dans les infrastructures de télécommunication et la croissance du PIB local. L’étudiant acquerra la compétence de construire, valider et interpréter des modèles prédictifs simples mais robustes.

VI.1 Régression Linéaire Simple et Multiple

Une modélisation de la relation entre variables est la première étape vers la prédiction. La régression linéaire simple étudie l’influence d’un seul prédicteur, tandis que la régression multiple en intègre plusieurs, offrant une vision plus complète. Ce sous-chapitre se concentre sur l’estimation des coefficients du modèle par la méthode des moindres carrés et leur interprétation concrète. L’analyste de données apprendra à quantifier l’impact du prix et de la publicité sur le volume des ventes d’une boisson locale, fournissant une base quantitative pour les stratégies de marketing.

VI.2 Validation du Modèle et Diagnostic des Résidus

La construction d’un modèle de régression est suivie de sa validation critique. L’analyse des résidus, les erreurs entre les valeurs prédites et observées, est une étape non négociable pour vérifier les hypothèses du modèle (linéarité, homoscédasticité, normalité). Ce module fournit une boîte à outils graphiques et statistiques pour ce diagnostic. L’étudiant sera capable d’évaluer la fiabilité d’un modèle prédisant le taux de défaut de paiement dans une micro-finance de Bukavu, et de détecter les signes avant-coureurs d’un modèle non fiable avant son déploiement opérationnel.

VI.3 Décomposition des Séries Temporelles

Face aux données séquencées dans le temps, la décomposition en tendance, saisonnalité, cycle et bruit est une démarche analytique puissante. Elle révèle les structures sous-jacentes qui gouvernent l’évolution d’un phénomène. Ce segment applique cette technique aux données mensuelles de production de cuivre en RDC pour isoler la croissance à long terme des fluctuations saisonnières. Le modélisateur quantitatif forgera la compétence d’extraire des signaux clairs à partir de données chronologiques bruitées, une étape essentielle avant toute tentative de prévision sérieuse et crédible.

VI.4 Modèles de Lissage Exponentiel pour la Prévision

Pour la prévision à court terme, les modèles de lissage exponentiel offrent un compromis optimal entre simplicité et efficacité, en accordant plus de poids aux observations récentes. Du lissage simple au modèle de Holt-Winters pour les données avec tendance et saisonnalité, ce module couvre les variantes les plus utiles. L’application portera sur la prévision à 3 mois de la demande en unités de crédit téléphonique pour un opérateur mobile. L’étudiant saura implémenter et calibrer ces modèles pour produire des prévisions opérationnelles fiables, indispensables à la gestion des stocks et à la planification logistique.

ANNEXES

A. Jeux de Données Brutes pour Modélisation (RDC)

Face à la rareté des datasets publics structurés en RDC, cette annexe fournit deux corpus exclusifs pour l’entraînement. Le premier catalogue les transactions de monnaie mobile à Lubumbashi, idéal pour la détection de fraude par analyse de variance, tandis que le second archive la latence horaire du réseau 4G à Kinshasa, crucial pour l’analyse de séries temporelles. L’étudiant y forgera une compétence de nettoyage et de préparation de données (data wrangling) directement applicable aux défis des fintechs et des opérateurs télécoms locaux.

B. Guide de l’Écosystème Python pour la Statistique Computationnelle

Une maîtrise des outils computationnels conditionne la transition de la théorie statistique à la production de valeur économique. Ce guide opérationnel détaille l’articulation des bibliothèques Python incontournables : NumPy pour le calcul matriciel, Pandas pour la manipulation de données, et Scikit-learn pour l’implémentation des modèles prédictifs étudiés dans le cours. L’analyste de données en devenir acquiert ici une autonomie technique complète, capable de construire un pipeline d’analyse de A à Z, depuis l’ingestion des données jusqu’à la validation du modèle.

C. Formulaire Technique et Rappels Mathématiques Essentiels

Conçu comme un instrument de performance, ce formulaire synthétise l’arsenal mathématique indispensable à l’analyste. Il compile les densités de probabilité (Normale, Poisson, Binomiale), les théorèmes fondamentaux comme la loi des grands nombres, les estimateurs clés (Maximum de Vraisemblance) et les métriques de régression et de classification. Son usage systématique vise à accélérer la phase de modélisation en éliminant l’erreur de calcul et en permettant au praticien de se concentrer sur l’interprétation des résultats et la prise de décision stratégique.

D. Cahier des Charges : Projet d’Analyse Prédictive de la Charge Réseau

Sous la pression démographique de Goma, la saturation des infrastructures de télécommunication devient un enjeu économique majeur. Cette annexe structure un projet de bout en bout : modéliser et prédire la charge sur les antennes-relais en utilisant les données de séries temporelles, en appliquant les modèles ARIMA et l’analyse de variance (ANOVA) pour identifier les facteurs d’influence. L’étudiant démontre ici sa capacité à transformer un problème opérationnel complexe en une solution de data science quantifiable, produisant des recommandations concrètes pour l’optimisation des investissements réseau.

Lire aussi :

Cours de Gouvernance : cadre institutionnel et processus, master-2, GOU2233

Cours de Production éditoriale 2, licence-2, PRE1232

Cours de Bases de données Avancées, master-2, BDA2231

Cours de Méthodes d'Inventaire de la Biodiversité, master-1, MIB2121

Cours de Apprentissage automatique, master-1, AAU2121

Cours de Stage professionnel, licence-3, CON1362