Approches statistiques du risque

Résumé : Aux yeux de la plupart des Européens, le charbon minéral n'est plus une source d'énergie qui compte. Erreur ! Sa consommation croît si vite et ses réserves sont si abondantes qu'il pourrait passer un jour devant le pétrole. Le climat planétaire n'y gagnera rien, sauf si les technologies " charbon propre " font un bond. Quels sont les ressorts de cette croissance charbonnière ? Les embûches rencontrées par le nucléaire et la hausse des prix du gaz naturel la favorisent, mais elles ne doivent pas faire oublier la métamorphose de l'industrie du charbon dans le monde. De la Chine, leader mondial incontesté, aux États-Unis, en passant par l'Inde, la Russie et les grands pays exportateurs (Australie, Indonésie, Afrique du Sud, Colombie), une nouvelle carte se dessine. Dans tous ces pays, les firmes charbonnières se concentrent, s'internationalisent, ouvrent de nouvelles mines à ciel ouvert et tracent de nouveaux itinéraires commerciaux. La compréhension de cette métamorphose devient l'une des clés de la prospective énergétique et de la géopolitique du XXIe siècle.

Comprendre les principes théoriques de la statistique est une chose ; savoir les mettre en pratique en est une autre, et le fossé peut être large entre les deux. C'est pour vous aider à le franchir que l'auteur a écrit un ouvrage de "travaux pratiques" de la statistique décisionnelle et de la data science, qui fait suite à son ouvrage Data Mining et Statistique Décisionnelle paru dans la même collection. Ce nouvel ouvrage présente une étude de cas réalisée de A à Z à partir du même jeu de données, et répondant de façon complète et cohérente à deux importantes problématiques : la construction d'une segmentation de clientèle et l'élaboration d'un score d'appétence à l'achat d'un produit ou la souscription d'un contrat. Les données utilisées sont à la fois réelles et complètes. Elles proviennent du secteur de l'assurance, mais l'étude qu'elles permettent de réaliser peut se transposer a de nombreux autres domaines. Ces données sont disponibles sur le Web, notamment sur le site des Editions Technip où elles sont accompagnées des programmes présentés dans l'ouvrage. Ceci permettra au lecteur de compléter sa lecture par des exercices personnels, par le test de variantes, mais aussi d'utiliser ces programmes pour les appliquer à ses propres données et ses propres projets. L'étude de cas est menée avec le logiciel SAS, qui est à la fois le plus complet et le plus répandu des logiciels statistiques commerciaux, et qui permet de traiter tous les sujets abordés dans l'ouvrage, et même d'optimiser et d'automatiser les traitements. Tout au long de l'ouvrage, une bonne partie des procédures classiques de SAS/STAT est passée en revue, en mentionnant les améliorations des versions récentes, mais, au-delà des questions de programmation, nous souhaitons surtout montrer au lecteur qu'il est souhaitable et possible de conjuguer rigueur et productivité. Pour le scoring, quatre méthodes classiques de modélisation sont mises en oeuvre et comparées, l'analyse discriminante linéaire, les arbres de décision, la régression logistique et le classificateur bayésien naïf, de même que le bagging et deux méthodes plus avancées mises en oeuvre par l'appel de code R dans le programme SAS : les forêts aléatoires et le gradient boosting.