1
Équité arithmétique et sagesse pondérée
MATH801B-PEP-CNLesson 5
00:00
« Équité arithmétique »Poids égaux (1:1:1)ContenuCompétencesRésultat« Sagesse pondérée »Chaque élément a son importance (5:3:2)ContenuCompétencesRésultat
Dans le monde des données, toutes les informations n'ont pas nécessairement la même valeur intrinsèque. Lorsque nous traitons les résultats d'une « exercice 1 sur un concours de présentation », si nous additionnons directement les notes de contenu, de compétences et de résultat, puis divisons par 3, cela correspond à« Équité arithmétique »— chaque dimension a un poids de 1, sans biais. Cependant, dans les compétitions réelles et les décisions, les juges accordent souvent plus d'importance à une compétence spécifique. En introduisant des poids de tailles différentes, nous pouvons ainsi mieux refléter la réalité avec précision.« Sagesse pondérée ».

Comprendre le concept de « poids » et la moyenne pondérée

En général, si $n$ nombres $x_1, x_2, \cdots, x_n$ ont respectivement pour poids $w_1, w_2, \cdots, w_n$, alors :

$\frac{x_1w_1 + x_2w_2 + \cdots + x_nw_n}{w_1 + w_2 + \cdots + w_n}$

est appelée la moyenne pondérée de ces $n$ nombresmoyenne pondérée (weighted average). Le poids (weight) indique l'importance relative d'une donnée. Plus le poids est élevé, plus cette donnée exerce une influence forte sur la moyenne finale (comme un poids plus lourd attire le point d'équilibre d'une balance physique vers lui).

Application à l'exercice 1 : Tableau des résultats d'un concours de présentation

Supposons qu'un candidat A obtienne une note très élevée en contenu, mais une note légèrement inférieure en effet scénique. Si l'on applique la « moyenne arithmétique », il pourrait avoir la même note que le candidat B dont les performances sont moyennes. Mais si nous attribuons un poids de 0,5 au contenu et un poids de 0,2 à l'effet, la note pondérée du candidat A surpassera celle de B grâce à sa force principale. La moyenne pondérée reflète ainsi fidèlement les critères spécifiques utilisés lors du recrutement.

La fréquence comme poids : Traitement de données groupées

Lorsqu'on traite de grandes quantités de données (par exemple, les ventes mensuelles des vendeurs du département de vêtements d'un magasin, ou l'enquête sur l'âge des plongeurs), les mêmes valeurs apparaissent plusieurs fois. À ce moment-là, le nombre de fois où une valeur apparaît (fréquence) devient naturellement le poids de cette valeur.

Lorsqu'on cherche la moyenne de $n$ nombres, si $x_1$ apparaît $f_1$ fois, $x_2$ apparaît $f_2$ fois, $\cdots$, $x_k$ apparaît $f_k$ fois (où $f_1 + f_2 + \cdots + f_k = n$), alors la moyenne de ces $n$ nombres est :

$\bar{x} = \frac{x_1f_1 + x_2f_2 + \cdots + x_kf_k}{n}$

C'est aussi appelée la moyenne pondérée de ces $k$ nombres, où $f_1, f_2, \cdots, f_k$ sont respectivement les poids de $x_1, x_2, \cdots, x_k$. Calculer ainsi le objectif mensuel de vente permet d'éliminer l'influence des ventes extrêmement élevées, reflète fidèlement la performance moyenne de la majorité des vendeurs, et permet ainsi d'établir un système de récompense à la fois ambitieux et réalisable.

L'intelligence du point médian

Lorsque les données sont regroupées dans des intervalles approximatifs, nous perdons les valeurs exactes des individus. Dans ce cas, lepoint médianest la moyenne des deux bornes de cet intervalle. Par exemple, multiplier le point médian d'un intervalle par sa fréquence donne le modèle classique de calcul pondéré :

$\bar{x} = \frac{11 \times 3 + 31 \times 5 + 51 \times 20 + 71 \times 22 + 91 \times 18 + 111 \times 15}{3 + 5 + 20 + 22 + 18 + 15}$

🎯 Règle fondamentale : Trouver le centre réel des données
Que ce soit une importance déterminée intentionnellement ou une statistique de fréquence naturelle, le poids représente essentiellement une force d'attraction exercée par les données. La moyenne pondérée n'est pas simplement une division arithmétique, mais un outil qui nous aide à identifier le « centre réel » des données complexes, insensible aux valeurs extrêmes.