voyez combien de joueurs ont le même classement que vous

[Mark///M]

hello !

un copier-coller du mémo 2010 de la FFT

voici le nombre de joueurs licenciés en France, leurs classement pour 2010

A+Mark

Uploaded with ImageShack.us

[Alan89]

hello !

un copier-coller du mémo 2010 de la FFT

voici le nombre de joueurs licenciés en France, leurs classement pour 2010

A+Mark

Uploaded with ImageShack.us

On peut noter que dans chaque série, en visualisant le nombre de classés pour chaque classement, la présence d'un palier pour passer de 30/4 à 30/3 pour les 4èmes séries, de 15/5 à 15/4 pour les 3èmes et de 5/6 à 4/6 pour les 2èmes, sans parler du passage à la série suivante (ex : 30/1 pour passer 30).

[K-mille]

je vais tracer des petites courbes pour montrer ça visuellement

[K-mille]

Voilà :

En fait si on met le nombre de classés en échelle logarithmique, on a à peut près une droite

[in-]

je vais tracer des petites courbes pour montrer ça visuellement

Les coeff de regression sont significatifs ?? :lol:

[K-mille]

Les coeff de regression sont significatifs ?? :lol:

là ça commence à dépasser mes compétences en stats

(K-mille, ingénieur télécom, docteur en informatique, n'a jamais validé son module de stats en un nombre de tentatives indécent...)

[K-mille]

bon je vais tenter une tite régression là-dessus, pour le fun. Ou alors je donne ça à manger à Matlab et je lui colle un QR dessus.

[in-]

bon je vais tenter une tite régression là-dessus, pour le fun. Ou alors je donne ça à manger à Matlab et je lui colle un QR dessus.

Le plus facile pour comprendre les regressions, c'est en utilisant Stata si tu peux l'avoir. Sinon je fais tout avec R.

ps: faut promouvoir scilab, tu es french non didiou!!

[K-mille]

Le plus facile pour comprendre les regressions, c'est en utilisant Stata si tu peux l'avoir. Sinon je fais tout avec R.

ps: faut promouvoir scilab, tu es french non didiou!!

En vrai j'utilise Octave

Mais en fait derrière Matlab et Octave c'est des libs d'algèbre linéaire que des collègues à moi font....

[Mr.Bricolage]

vu de loin, ça a une bonne gueule de loi log-normale

[K-mille]

pour les femmes j'ai la plupart de la courbe avec f( x ) = (2 * x + 10) * exp(( x + 2 ) / 4) mais ça s'écarte un peu aux extremités. J'essaye de mettre un log ou un truc comme ça (genre hyperbole inversée pour le début) pour les hommes...

Voilà pour l'instant :

[Mr.Bricolage]

loi lognormale de paramètres mu et sigma2, avec x le classement (partir dans l'ordre décroissant à 40 en échelle linéaire)

un petit moindres carrés sur ces deux paramètres devrait le faire (j'ai la flemme de lfaire, fminsearch pour le moindres carrés en matlab/octave)

[K-mille]

"11 utilisateur(s) sur ce sujet" --> WTF ? c'est notre trip modélisation / régression qui attire les foules ??

Sinon, je rappelle ce papier qui a été publié dans la revue "Mathematics and Social Sciences" a été posté ailleurs sur ce forum et concerne une analyse statistique du classement.

[Mr.Bricolage]

[K-mille]

Si des gens veulent jouer, le fichier de données classes.dat :

# classement    hommes    femmes

1S		32	  24

promotion	33	  19

-30		56	  20

-15		74	  41

-4/6		88	  59

-2/6		158	  79

0		286	  110

1/6		446	  177

2/6		557	  263

3/6		808	  417

4/6		1189	  521

5/6		1802	  750

15		2981	  1121

15/1		5437	  1594

15/2		6263	  1842

15/3		8089	  2669

15/4		10774	  3231

15/5		15471	  4389

30		17966	  6055

30/1		23914	  7850

30/2		25920	  8929

30/3		31633	  9801

30/4		41124	  12877

30/5		42866	  14231

40		38111	  12927

Et le fichier gnuplot :

set title "Nombre de classes"

set ylabel "Nombre de classes"

set xlabel "Classement"


set key left


set logscale y


set xtics nomirror rotate by -45

set xtics ( "1ere serie" 0, "Promotion" 1, "-30" 2, "-15" 3, \

    	    "-4/6" 4, "-2/6" 5, "0" 6, "1/6" 7, "2/6" 8,     \

            "3/6" 9, "4/6" 10, "5/6" 11, "15" 12, "15/1" 13, \

            "15/2" 14, "15/3" 15, "15/4" 16, "15/5" 17,      \

	    "30" 18, "30/1" 19, "30/2" 20, "30/3" 21,        \

            "30/4" 22, "30/5" 23, "40" 24 )


plot 'classes.dat' u 2 w lp lw 3 t 'Hommes', \

     'classes.dat' u 3 w lp lw 3 t 'Femmes'

pour passer en échelle linéaire, commentez la ligne "set logscale y"

[in-]

Bon un petit output Stata de la regression : ln(nb de classés) = constante + beta1 * index classement

Pour les hommes

      Source |       SS       df       MS              Number of obs =      25

-------------+------------------------------           F(  1,    23) =  896.25

       Model |  142.724689     1  142.724689           Prob > F      =  0.0000

    Residual |  3.66268536    23  .159247189           R-squared     =  0.9750

-------------+------------------------------           Adj R-squared =  0.9739

       Total |  146.387374    24  6.09947392           Root MSE      =  .39906


------------------------------------------------------------------------------

         lnH |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       index |  -.3313431   .0110679   -29.94   0.000    -.3542387   -.3084474

       _cons |   11.89536   .1645358    72.30   0.000     11.55499    12.23573

------------------------------------------------------------------------------

Pour les femmes:

      Source |       SS       df       MS              Number of obs =      25

-------------+------------------------------           F(  1,    23) = 1094.12

       Model |   119.15288     1   119.15288           Prob > F      =  0.0000

    Residual |  2.50476236    23  .108902711           R-squared     =  0.9794

-------------+------------------------------           Adj R-squared =  0.9785

       Total |  121.657642    24  5.06906842           Root MSE      =     .33


------------------------------------------------------------------------------

         lnF |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]

-------------+----------------------------------------------------------------

       index |  -.3027475   .0091527   -33.08   0.000    -.3216813   -.2838138

       _cons |   10.59034   .1360642    77.83   0.000     10.30887    10.87181

------------------------------------------------------------------------------

On peut voir en bas de l'ouput que Stata est content avec les p-values (proches de 0) donc coeff significatifs, et que on a la même valeur pour hommes et femmes: -0.3

[K-mille]

donc fonction affine pour toi ?

[in-]

donc fonction affine pour toi ?

nop, j'ai ln() le nombre de classes dans chaque sexe.

On a la meme chose, je voulais juste ajouter ca pour voir la gueule des coeff

Pour expliquer un peu ce que Stata raconte:

- le premier tableau on s'en fout un peu, c'est des valeurs sur les erreurs (sum of squared errors, etc...)

- celui du bas montre les coeff de regression avec le model suivant (y = ax+b ): en y j'ai mis ln(nb classes) donc c'est 'lnH' et 'lnF', en x j'ai numerote les classements c'est 'index', et '_cons' c'est la constante (quand x=0)

[K-mille]

En prenant les coefficients de in- :

h( x ) = exp( 11.89 - .33 * ( 25 - x ) )

f( x ) = exp( 10.59 - .3 * ( 25 - x ) )

[in-]

Ca m'a l'air un peu decale, ca doit etre le 24-x, tu as du faire de 0 a 24, tandis que j'ai fait de 1 a 25

[K-mille]

Ca m'a l'air un peu decale, ca doit etre le 24-x, tu as du faire de 0 a 24, tandis que j'ai fait de 1 a 25

voilà, j'ai corrigé

[Mr.Bricolage]

pas si degueux que ça la lognormale pour les mecs hein

avec pour paramètres de la loi issus du moindres carrés

mu = 1.3968;

sigma2 = 0.75436;

un graphe vite fait a la machette

en ordonnées la pdf

en abscisses le classement en unités arbitraires de 40 (gauche) à -30 (droite) en echelle lineaire

en bleu les donnees, en rouge le fit

[in-]

Fais plutot ( 25 - (x+1) ) comme tu as 0->24

[Mr.Bricolage]

Fais plutot ( 25 - (x+1) ) comme tu as 0->24

y'a pas de zero amigo, ca part de l'ounité ^^

[in-]

y'a pas de zero amigo, ca part de l'ounité ^^

Yep, c'etait pour k2mille en fait

D'ailleurs je suis tombe sur ca :lol:

http://www.youtube.com/watch?v=If7u2t36MYY