Ce blog a pour sujet les mathématiques et leur enseignement
au Lycée. Son but est triple.
Premièrement, ce blog est pour moi une manière idéale de
classer les informations que je glâne au cours de mes voyages en Cybérie.
Deuxièmement, ces billets me semblent bien adaptés à la
génération zapping de nos élèves. Ces textes courts
et ces vidéos, privilégiant le côté ludique des maths,
pourront, je l'espère, les intéresser et leur donner l'envie d'en
savoir plus.
Enfin, c'est un bon moyen de communiquer avec des collègues de toute
la francophonie.
Voici certainement l’exemple le plus célèbre concernant les applications du data mining, et en particulier la découverte de corrélations fréquentes. Une chaine de supermarché a décidé de valoriser les données de ses ventes. Pour cela, ils ont analysé les contenus des « paniers » qui passent aux caisses. Leur objectif est de savoir quels articles se retrouvent souvent ensemble, dans les paniers. On appellera ça des « corrélations fréquentes » (ou encore des itemsets, ou encore des « règles d’association »). Mais alors, qu’auraient-ils découvert, qui rende cet exemple aussi amusant ?
En fait, leur algorithme d’extraction de corrélations fréquentes aurait découvert que, dans un grand nombre de cas, les clients qui achètent de la bière et des gâteaux, achètent aussi… des couches culottes !
2016 a été, on le sait, une funeste année pour les célébrités avec les disparitions de David Bowie, Prince, Muhammad Ali, Fidel Castro, Carrie Fisher, George Michael, Jean-Christophe Victor, Léonard Cohen, Michel Delpech… Et, malheureusement, ces deuils plus ou moins marquants à répétition ne sont pas prêts de s'arrêter de sitôt, selon MIT Media Lab.
Les urologues américains constatent une forte hausse des vasectomies au mois de mars. La raison est déconcertante: les opérations ont lieu juste avant le "March madness", période du tournoi final du championnat de basket NCAA, très suivi dans le pays. Les hommes se font opérer pour profiter des quelques jours de repos suivant l'opération pour regarder tranquillement le tournoi chez eux à la télévision.
Des mathématiques et de la statistique, expliquée à mon chat, Albert, par de courtes vidéos de quelques minutes. Voici la première, "La variable aléatoire du grenier" :
C’est très compliqué, d’expliquer pourquoi dépister un cancer ne sauve pas forcément de vies, et pourquoi ne pas dépister peut parfois le faire.
D’abord parce que c’est tout à fait contre intuitif.
C’est facile, joli et surtout rassurant de se dire « On passe un examen pour chercher un cancer, pis si on en trouve un on peut le traiter avant qu’il ne soit trop tard. » C’est super séduisant, ça paraît absolument logique. Alors qu’expliquer le contraire, c’est relou, ça demande des maths et des stats et des raisonnements chiants. Et puis on n’a pas très envie d’y croire, même quand on a tout lu avec les sourcils froncés et tout compris. On a vite envie de revenir à la logique intuitive, de dire « Oui ok c’est bien beau tout ça mais c’est rien que des stats, et moi je ne suis pas une stat. »
Trouver une représentation graphique intuitive et facilement compréhensible de données à n dimensions lorsque n est supérieur à 3 n'est pas simple. Les représentations les plus courantes
utilisent habituellement une, deux ou les trois dimensions spatiales et parfois quelques dimensions supplémentaires via un coloriage adéquat. Les figures de Chernoff permettent d'augmenter le nombre de dimensions à représenter. Elles tirent profit de notre capacité à déceler de très légers changements dans les expressions faciales.
Une figure de Chernoff s'obtient en associant à chaque composante du vecteur représentant les données un trait d'une expression faciale. La première composante permettra par exemple de préciser la forme de la tête, la seconde fixera la taille des yeux, la troisième leur aspect, la quatrième la distance entre ceux-ci, etc. En utilisant ainsi les traits les plus frappants d'un visage, il est possible de représenter un nombre de dimensions largement supérieur à trois.
D’après une étude britannique, 5% de la population aurait un pouce plus gros que l'autre à cause de l'usage du smartphone. Les jeunes sont les plus touchés par cette transformation du corps plutôt rapide...
Le 12/06/2016 à 15:25 - Marie-Céline Jacquier, Futura-Sciences
Une étude montre que les hommes mangent beaucoup plus en présence des femmes : 93 % de pizza en plus, mais aussi 86 % de salade en plus ! Ce serait un moyen de montrer à ces dames qu’ils sont en bonne santé…
Spurious correlations compile toute une série de corrélations bizarres. Par exemple l'âge de Miss America corrélé avec les meurtres où ont été utilisés la vapeur ou des objets brûlants...
Ceci se produit très souvent : par exemple pour estimer le nombre de morts dans un incendie, un tremblement de terre ou une guerre ; comment estimer le nombre de prostitué-e-s, de clandestins ou de sans-abris sur un territoire ? Enfin en écologie et en gestion des ressources naturelles il est important de savoir le nombre de poissons dans la mer, de cerfs dans la forêt de Brotonne, ou d’escargots dans le jardin du voisin.
Ce n’est pas parce que deux courbes se ressemblent qu’il y a un lien entre elles.
Le coefficient de corrélation est un indice qui mesure la relation linéaire entre deux courbes statistiques. Ce coefficient de corrélation varie de -1 à +1. Un coefficient de corrélation de -1 indique une relation inversement proportionnelle entre deux courbes (quand l’une est au plus bas, l’autre est au plus haut). La valeur +1 au contraire indique une parfaite similitude entre deux variables. A zéro, il n’y a aucune corrélation entre les variables.
Un fort coefficient de corrélation n’établit pas un lien de cause à effet (ce n’est pas parce que A augmente que B augmente). Il peut exister un troisième paramètre reliant ces deux éléments. On observe par exemple que l’augmentation des ventes de lunettes de soleil suit l’évolution du nombre de coups de soleil. Mais ce n’est pas parce que vous portez des lunettes de soleil que vous attrapez un coup de soleil. C’est l’augmentation de l’ensoleillement en été qui explique l’allure de ces deux courbes. Autre exemple bien connu, celui du nombre de cigognes et du taux de natalité. Les deux diminuent en même temps et sont effectivement reliés, mais à un troisième facteur : l’urbanisation.
Mais la ressemblance entre deux courbes statistiques peut également relever de la pure coïncidence. A l’inverse, un coefficient de corrélation faible n’exclut pas que deux variables exercent une influence l’une sur l’autre.
Le but de notre article est de présenter quelques analyses statistiques élémentaires portant sur les caractères et les mots d’un texte numérisé, ne serait-ce que pour en contrôler la qualité. À l’origine de tout texte écrit, on trouve, en effet, un code alphabétique et nous décrivons ici comment extraire les symboles de ce code, calculer leur distribution statistique, analyser leur dispersion à l’aide de l’entropie et enfin, appliquer cette entropie à la mesure de la distance entre deux textes. Nous complétons cette présentation par l’exposé d’une méthode pour identifier les associations de mots les plus fréquentes dans un texte.
"Les 1% les plus riches vont bientôt détenir 50% de la richesse mondiale, soit plus que les 99% restant", "85 personnes détiennent autant que 3.5 milliards d'autres" voilà quelques uns des titres que vous avez pu lire hier suite à la publication d'un nouveau rapport de l'ONG Oxfam sur les inégalités mondiales. Le tout illustré d'infographies, ou de photos de bon goût mettant en abîme des Africains aux yeux couverts de mouches et des ploutocrates allumant leur gros cigare avec des billets de 100 dollars dans une Lamborghini plaquée or.
Lire la suite de l'article d'Alexandre Delaigue sur francetvinfo.fr
« Les statistiques, on peut leur faire dire ce qu'on veut », c'est bien connu. Un article publié dans le New England Journal of Medicine en 2012 annonçait par exemple la découverte d'une corrélation statistique troublante entre le nombre de prix Nobel et… la consommation nationale de chocolat.
Faut-il en déduire que le chocolat rend intelligent ?
Comment est calculé le classement FIFA ? Et comment est-ce possible que la Suisse soit si bien classée ? Pour le savoir, il faut aller voir le site officiel. On y explique le calcul des points.
La coupe du monde va causer de grands changements. Ainsi les deux défaites et l'élimination de l'Espagne coûteront cher à la formation championne du monde et d'Europe en titre. Assurée de perdre la première place qu'elle occupait encore au classement publié à la veille du mondial brésilien, elle chuterait actuellement au 8e rang, menacée par la France et le Brésil. D'autres éliminés de marque font un bon en arrière historique. Le Portugal quitterait le top-10 (11e), en chute de 7 places; idem pour l'Italie 14e (-5). Quant à l'Angleterre, berceau du football, elle se retrouve actuellement 21e (-11) et ne réintégrera le top-20 qu'en cas de défaite en huitièmes de l'Algérie ou du Costa Rica.
Même si le Brésil chuterait actuellement au 10e rang, conséquence de son nul face au Mexique et de ses nombreux points à défendre, l'Amérique du Sud est actuellement la grande bénéficiaire de cette compétition. Si l'épreuve se terminait aujourd'hui, elle placerait la Colombie (+7) et l'Argentine (+3) aux deux premiers rangs et l'Uruguay (+3) au 4e. Côté européen la Belgique (5e, +6), les Pays-Bas (6e, +9) et la France (9e, +8) sont les actuels bénéficiaires de ce premier tour. Avec une victoire et un nul, les Etats-Unis, qui affronteront la Belgique en huitièmes, s'afficheraient au 15e rang (-2).
J'ai toujours pensé qu'on ne faisait pas assez de statistiques au Lycée. Surtout que la coupe de Monde est occasion en or. On peut notamment "suivre" le match Honduras vs Suisse minute pas minute comme je ne l'avais jamais vu...
Trouver une représentation graphique intuitive et facilement compréhensible de données à n dimensions lorsque n est supérieur à 3 n'est pas simple. Les représentations les plus courantes
utilisent habituellement une, deux ou les trois dimensions spatiales et parfois quelques dimensions supplémentaires via un coloriage adéquat. Les figures de Chernoff permettent d'augmenter le nombre de dimensions à représenter. Elles tirent profit de notre capacité à déceler de très légers changements dans les expressions faciales.