Nom de fichier :
|
Inria-1164-MISTIS-180sec-FR.mp4
|
Titre :
|
Mon équipe en 180 secondes : MISTIS
|
Année :
|
2018
|
Durée (min) :
|
00:03:28
|
Publications :
|
http://videotheque.inria.fr/videotheque/doc/1164
|
Autres versions :
|
Master VF : 1164 Master VEN : Autre : Lien externe :
|
Lien Equipe-projet :
|
|
Lien Centre de Recherche :
|
|
Mots clés :
|
|
N° master :
|
1164
|
Durée :
|
03 min 28 sec
|
IsyTag :
|
1936
- donnée
- élection
- époque
- équipe
- est-ce
- exemple
- mensonge
- MISTIS
- modèle
- statisticien
- statistique
|
Transcription automatiqu :
|
Bonjour donc vous connaissez tous les statistiques les moyennes les variants par exemple Dans l'équipe MISTIS on va dire plutôt qu'on fait de la statistique sans S pour faire référence au domaine scientifique qui s'occupe des statistiques au pluriel Alors pourquoi est-ce qu'on a besoin d'un domaine scientifique pour cela Ben certainement vous avez déjà entendu une de ces phrases sur les statistiques comme par exemple celle qui dit qu'il y a trois sortes de mensonges les mensonges les très gros mensonges et les statistiques Alors c'est pas faux Parce que vous avez tous certainement aussi remarqué que les chiffres sont bien souvent plus efficaces que les mots pour raconter des histoires Alors dans l'équipe MISTIS on s'intéresse à des modèles probabilistes pour tenter de cerner disons de quantifier la l'incertitude qui peut y avoir dans les données pour en tirer les conclusions les plus fiables possibles Alors pourquoi est-ce qu'on a besoin de modèles pour cela Eh bien prenons un exemple d'actualité celui des élections américaines Alors d'actualité mais en 1936 Qui est un exemple classique des statistiques Donc en 1936 un journal connu de l'époque décide de faire le plus grand sondage jamais effectué pour les élections en interrogeant à l'époque 2 5 millions de personnes Donc après de longs et coûteux efforts le journal prédit que le gouverneur du Kansas de l'époque Alfred Landon va gagner avec 60% des voix contre son opposant Franklin Roosevelt Donc en parallèle de ça un honnête statisticien du nom de George Gallup décide faire un autre sondage avec beaucoup moins d'individus donc en gros cent fois moins et lui prédit avec une précision assez bonne la victoire évidement de Roosevelt Ce qui laisse notre journal au passage avec la plus grande erreur jamais commise de tous les temps sur ce genre de sondages Alors la moralité de cet exemple c'est que si on n'a pas un modèle correct alors c'est pas parce qu'on a beaucoup de données qu'on va forcément tirer des conclusions fiables Alors dans l'équipe MISTIS on s'occupe pas spécialement de prédire les élections les résultats des élections mais on va regarder la prédiction de d'événements extrêmes ou catastrophiques comme par exemple les grosses chutes de pluie ou les inondations Et ou un autre exemple celui de détecter les failles dans les cuves de centrales nucléaires Et donc dans ce cas-là le problème qu'on a c'est qu'on n'a pas beaucoup de données Et puis en fait on est contents de pas avoir trop données catastrophiques comme ça Donc une approche ça va être de compenser l'absence de données en prenant en compte des modèles des modèles dits bayésiens qui vont tenter de simuler les connaissances d'experts pour compenser l'absence de données Un autre exemple que l'on traite c'est celui de la prédiction des évolutions de de tumeurs dans le cerveau donc à partir d'images du cerveau dans lequel là en quelque sorte on va regarder chaque pixel on va sonder chaque pixel des images et en gros leur demander s'ils votent ou non pour la tumeur Voilà Donc j'espère vous avoir convaincus que le statisticien n'est pas un artiste du mensonge mais qu'il essaye de faire au mieux les données qu'il a ou alors qu'il n'a pas d'ailleurs
|