Rapport d’étude de cas : Analyse du retards des trains à destination de Lille Introduction Aujourd’hui, les moyens de transport des français évoluent. De plus en plus de personnes prennent le train pour se déplacer quotidiennement. Mais la SNCF fait face à de nombreuses plaintes au sujet des retards sur les lignes à grande vitesse. Mais s’agit-il d’un phénomène réel et si oui, quels en sont les formes ? En tant que stagiaire à l’antenne régionale de la SNCF, nous sommes chargés …afficher plus de contenu…

1) Global Au global, on observe une moyenne de 149 retards par mois sur la période de septembre 2011 à juillet 2016. L'écart-type qui est de 36.76, sert à mesurer la dispersion des valeurs autour de leur moyenne. Pour étudier plus en détail les deux indicateurs précédents, nous avons décidé de les approfondir et ainsi, nous avons réalisé plusieurs graphiques d’analyse. Moyenne global du nombre de retardÉcart type14936,76Premièrement nous avons réalisé la courbe des tendances afin de déterminer les périodes de retards qui se ressemblent. Nous avons choisi une période de 12 mois car après avoir effectué les tests sur une période de 3 et 6 mois nous nous sommes rendus compte que la courbe était plus lissé avec une période de 12 mois cette …afficher plus de contenu…

De plus notre statistique de test de durbin-watson est de 1,684.Cependant, le durbin-watson est assez proche de 2 (Annexe 14). On peut donc dire qu’il n’y a pas d’autocorrélation des résidus. Notre modèle ne sous-estime pas les erreurs-types.Enfin, pour vérifier l’homoscédasticité des résidus, nous avons utilisé le test de Glejser. Nous avons réalisé le graphique des résidus par rapport aux valeurs logarithmiques des prévisions du nombre de retards (Annexe 15). D’après ce graphique, il y a homoscédasticité car nous pouvons voir que les erreurs sont bien aléatoires et les points sont représentés sous forme de tunnel et non d’entonnoir. On peut donc dire que la variance des résidus est constante et que les