Problématiques

Comment prédit on le taux de décès après 2019 si le covid n’avait pas été là? Prédit on que le taux de tabagisme en Grande-Bretagne va continuer de diminuer au même taux dans les prochaines années?

Objectifs

1. Analyser les tendances temporelles du nombre de décès.
2. Étudier l’évolution du tabagisme à travers les années.
3. Utiliser des modèles de prévision pour anticiper les tendances futures.

Méthodes

Les données analysées proviennent de deux sources principales :

1. Nombre de décès mensuels entre 1984 et 2018.
2. Proportion de fumeurs en Grande-Bretagne de 1974 à 2023. Les données ont été pré-traitées en R et analysées avec plusieurs modèles statistiques.

Résultats

Nombre de décès

Figure 1: Évolution des décès

Figure 2: Évolution des décès

Figure 3: Évolution des décès

Proportion de fumeurs

Figure 4: Analyse de la proportion de fumeurs en Grande Bretagne (1974-2023)

Figure 5: Analyse de la proportion de fumeurs en Grande Bretagne (1974-2023)

Figure 6: Analyse de la proportion de fumeurs en Grande Bretagne (1974-2023)

Nombre de décès

EQM = 61.916 EAM = -0.675 EM = -0.675 Bien que l’EQM soit relativement élevée, cela est en partie dû à la nature des données. Mais ceci n’est pas un problème si le nombre de décès varie entre 100 et 1000, Ainsi une EQM de 60 pourrait être relativement faible. L’EM indique un léger biais, mais celui-ci est suffisamment faible pour ne pas compromettre la fiabilité des prévisions. Enfin, l’EAM montre que les erreurs de prévision sont raisonnables, compte tenu de la complexité des données. Ainsi, nous pouvons affirmer que le modèle fournit des prévisions fiables et précises.

Proportion de fumeur

MCO2 (Quadratique) - EQM: 2.271369 EAM: 1.171124 EM: -0.6588279 MCO3 (4 dernières années) - EQM: 2.131667 EAM: 1.433333 EM: -1.433333 LED (Lissage Exponentiel) - EQM: 1.485196 EAM: 0.946322 EM: -0.6036695 Analyse des performances : MCO3 (4 dernières années) est le plus précis à court terme, avec l’EQM et l’EAM les plus bas. Il est donc efficace pour capter la tendance récente. MCO2 (Quadratique) capture une tendance non linéaire, mais son EQM plus élevé montre qu’il génère plus d’erreurs que MCO3. Il est adapté pour détecter un ralentissement ou une accélération. LED (Lissage exponentiel double) offre un compromis entre réactivité et précision. Son EAM est plus faible que MCO2, mais son EQM reste supérieur à MCO3, ce qui indique qu’il est efficace pour une tendance générale mais avec des ajustements progressifs.

Conclusion

Les analyses montrent que :

Il existe une tendance saisonnière importante dans le nombre de décès, bien modélisée par la méthode Holt-Winters. La proportion de fumeurs a globalement diminué, avec une tendance linéaire baissière. Ces résultats suggèrent que des stratégies ciblées sur la réduction du tabagisme ont été efficaces au fil des années. Les prévisions de ces séries temporelles peuvent être utilisées pour anticiper les tendances futures et adapter les politiques publiques en conséquence.