🤖 AI

From numerical proportions to analogical proportions between probabilities

Cet article étudie la formulation et les propriétés des proportions analogiques entre probabilités et distributions, en explorant si les distributions associées à des profils formant une proportion analogique satisfont également cette relation afin de soutenir de potentielles applications de classification.

Auteurs originaux : Henri Prade, Gilles Richard

Publié 2026-06-23

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Henri Prade, Gilles Richard

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

L'idée centrale : « A est à B ce que C est à D » dans le monde du hasard

Imaginez que vous êtes un détective essayant de résoudre un mystère en utilisant un type de logique très spécifique appelé proportion analogique. La règle de base est simple : « A est à B ce que C est à D. »

Dans le monde réel, cela signifie généralement observer quatre éléments et voir si la relation entre les deux premiers est la même que la relation entre les deux derniers.

Exemple : « Une clé est à une serrure ce que un mot de passe est à un ordinateur. » La relation (mécanisme d'ouverture) est la même.

Pendant longtemps, les scientifiques ont utilisé cette logique avec des faits clairs et tangibles (comme « Rouge est à Arrêt ce que Vert est à Départ »). Mais cet article pose une question délicate : que se passe-t-il lorsque nous appliquons cette logique aux probabilités et au hasard ?

Si vous avez quatre groupes de personnes, et que les profils de ces personnes correspondent au modèle « A est à B ce que C est à D », est-ce que leurs schémas comportementaux (probabilités) suivent également ce même modèle ?

Les deux règles principales du jeu

Les auteurs explorent deux façons différentes de mesurer si ces schémas de probabilité correspondent. Considérez cela comme deux règles différentes pour mesurer la similitude.

1. La « Règle Arithmétique » (La méthode de la différence)

C'est la règle la plus simple. Elle demande : « De combien les choses ont-elles changé ? »

La métaphore : Imaginez que vous marchez.
- A marche 10 pas. B marche 12 pas. La différence est de +2.
- C marche 20 pas. D marche 22 pas. La différence est aussi de +2.
- Verdict : La relation est respectée ! L'« écart » entre A et B est le même que l'écart entre C et D.
Dans l'article : Les auteurs ont découvert que si vous observez la probabilité que différents événements se produisent (comme des évaluations de films ou des accidents de la route), et que la différence de probabilité entre deux groupes reflète la différence entre deux autres groupes, les mathématiques fonctionnent parfaitement. Cela préserve la « distance » entre les groupes.

2. La « Règle Géométrique » (La méthode du ratio)

C'est la règle la plus stricte et la plus complexe. Elle demande : « Combien de fois plus grand est un élément par rapport à l'autre ? »

La métaphore : Imaginez que vous cuisinez.
- A utilise 1 tasse de farine. B utilise 2 tasses. Le ratio est de 1:2 (B est le double de A).
- C utilise 3 tasses. D utilise 6 tasses. Le ratio est également de 1:2.
- Verdict : La relation est respectée !
Dans l'article : Les auteurs ont tenté de combiner la règle de la « Différence » et la règle du « Ratio » en une seule super-règle (appelée Arithmético-Géométrique). Ils ont découvert que pour que cette super-règle fonctionne avec les probabilités, les groupes doivent être très, très similaires d'une manière spécifique. C'est comme essayer de trouver deux paires de chaussures où la différence de taille est la même ET le ratio de prix est également le même. C'est possible, mais c'est rare et difficile à trouver dans la vie réelle.

Le travail de détective : Tester la théorie

Les auteurs n'ont pas seulement fait des mathématiques sur papier ; ils sont allés dans le monde réel pour voir si cette logique tient la route. Ils ont agi comme des détectives de données en utilisant deux ensembles de données massifs :

MovieLens (La foule du cinéma) : Ils ont examiné 100 000 évaluations de films provenant de près de 1 000 utilisateurs. Ils ont regroupé les utilisateurs par âge et par sexe (ex: « Jeunes Hommes », « Femmes plus âgées »).
- Le test : Ils ont demandé : « Est-ce que la façon dont les Jeunes Hommes évaluent les films par rapport aux Hommes plus âgés ressemble à la façon dont les Jeunes Femmes évaluent les films par rapport aux Femmes plus âgées ? »
- Le résultat : Oui, pour l'essentiel. Lorsqu'ils ont regardé les différences dans la façon dont ces groupes évaluaient les films (la Règle Arithmétique), les schémas correspondaient très bien. L'« écart » dans les évaluations était constant.
Accidents de la route aux USA (La foule de la route) : Ils ont examiné 7,7 millions d'accidents de la route à travers les États-Unis, en les regroupant par météo, moment de la journée et lieu.
- Le test : « Est-ce que la différence de gravité des accidents entre le Jour et la Nuit dans l'Est ressemble à la différence entre le Jour et la Nuit dans l'Ouest ? »
- Le résultat : Oui, pour l'essentiel. Encore une fois, l'« écart » dans les niveaux de gravité suivait le schéma analogique.

Le facteur « Presque »

L'article introduit un concept appelé Dissimilitude Analogique. Voyez cela comme un « Score de Confusion ».

Si le score est de 0, l'analogie est parfaite.
Si le score est bas (comme 0,05), l'analogie est très proche, comme une photo légèrement floue.
Si le score est élevé, l'analogie est brisée.

Dans leurs expériences, la plupart des « Scores de Confusion » étaient très bas (barres vertes sur leurs graphiques), ce qui signifie que la logique tient bien dans les données du monde réel. Cependant, ils ont constaté que lorsqu'ils essayaient d'utiliser la « Super-Règle » stricte (Arithmético-Géométrique), les scores devenaient beaucoup plus élevés. Cela confirme que si la règle simple de la « Différence » fonctionne très bien pour les probabilités, la règle complexe du « Ratio » est trop exigeante pour la plupart des situations réelles.

L'essentiel à retenir

Cet article prouve que le raisonnement analogique fonctionne avec les probabilités.

Si vous avez quatre groupes de personnes (ou d'événements) qui sont liés d'une manière spécifique (A est à B ce que C est à D), vous pouvez souvent prédire que leurs probabilités (la probabilité qu'ils fassent quelque chose) suivront cette même relation.

La bonne nouvelle : La méthode de la « Différence » simple fonctionne très bien. Vous pouvez utiliser la façon dont trois groupes connus se comportent pour prédire ce qu'un nouveau groupe fera.
Le bémol : La méthode du « Ratio » complexe est mathématiquement belle, mais elle arrive rarement dans la vie réelle car elle nécessite que trop de conditions parfaites soient réunies.

En résumé : La logique fonctionne même lorsqu'on traite le hasard, tant que l'on utilise la bonne règle pour le mesurer.

Résumé technique : Des proportions numériques aux proportions analogiques entre probabilités

Énoncé du problème

L'article traite de la compatibilité théorique et pratique entre les proportions analogiques et les probabilités. Les proportions analogiques, exprimées sous la forme « a est à b ce que c est à d » ( $a:b::c:d$ ), sont bien établies pour les valeurs booléennes, nominales et numériques, servant souvent de base aux méthodes de classification (par exemple, prédire une classe pour un nouvel élément sur la base de trois éléments analogiques connus). Cependant, la relation entre ces proportions et les représentations probabilistes reste peu explorée.

La question de recherche centrale est la suivante : Si quatre profils (représentés par des vecteurs d'attributs) forment une proportion analogique, les distributions de probabilité associées à ces profils forment-elles également une proportion analogique ? Les auteurs étudient cela à deux niveaux :

Valeurs de probabilité : Probabilités simples associées à des valeurs d'attributs spécifiques.
Distributions de probabilité : Distributions complètes décrivant les fréquences des valeurs possibles pour un attribut discret à travers différents profils.

Méthodologie

1. Cadre théorique

Les auteurs étendent la définition des proportions analogiques des domaines discrets (booléen, nominal) vers les domaines continus et probabilistes. Ils analysent deux définitions primaires pour les proportions analogiques numériques :

Proportion arithmétique ( $::_{ari}$ ) : Définie par $a - b = c - d$ .
Proportion géométrique ( $::_{geo}$ ) : Définie par $a/b = c/d$ (avec $0/0=1$ ).

Ils étudient ensuite la Proportion arithmético-géométrique ( $::_{arigeo}$ ), qui exige que les deux conditions soient satisfaites simultanément.

L'article établit plusieurs propriétés théoriques clés :

Définition arithmétique : Pour des distributions de probabilité $a, b, c, d$ sur un domaine fini, $a:b::_{ari}c:d$ est vérifié si $a_i - b_i = c_i - d_i$ pour tous les composants $i$ . Cette définition préserve la distance de variation totale ($TV(a,b) = TV(c,d)$) et garantit l'existence d'une solution $d$ étant donné $a, b, c$ sous certaines contraintes.
Définition géométrique : La définition géométrique pure ( $a_i/b_i = c_i/d_i$ ) est montrée comme problématique pour les distributions de probabilité car elle ne garantit pas que le vecteur $d$ résultant somme à 1 (normalisation), même si $a, b, c$ sont des distributions valides.
Définition arithmético-géométrique : Cette définition plus stricte ( $a_i - b_i = c_i - d_i$ ET $a_i/b_i = c_i/d_i$ ) implique que pour chaque composant, les valeurs doivent suivre des schémas spécifiques (par exemple, $a_i=b_i$ et $c_i=d_i$ , ou $a_i=c_i$ et $b_i=d_i$ ). Crucialement, cette définition assure l'invariance de la divergence de Kullback-Leibler (KL) entre les paires ($KL(a||b) = KL(c||d)$).

2. Validation expérimentale

Les auteurs testent empiriquement l'hypothèse selon laquelle les proportions analogiques entre profils impliquent des proportions analogiques entre leurs distributions de probabilité associées.

Jeux de données : Deux jeux de données à grande échelle ont été utilisés :
1. MovieLens 100K : 100 000 évaluations de 943 utilisateurs sur 1 682 films. Les profils ont été construits à partir de la démographie des utilisateurs (genre, âge, profession).
2. Accidents de la route aux États-Unis : Environ 7,7 millions d'accidents dans 49 États. Les profils ont été construits à partir de variables catégorielles (fuseau horaire, jour/nuit, météo, vent).
Procédure :
- Les profils ont été définis comme des combinaisons de valeurs d'attributs.
- Pour chaque profil, une distribution de probabilité a été dérivée de la fréquence de la variable cible (note de film 1-5 ou gravité de l'accident 1-4).
- Des proportions analogiques valides ( $a:b::c:d$ ) ont été identifiées parmi les profils.
- La Dissimularité Analogique (AD) a été calculée pour les distributions associées. L'AD mesure l'écart par rapport à une proportion analogique parfaite (spécifiquement la proportion arithmétique, définie comme $AD = \frac{1}{2n} \sum |(a_i - b_i) - (c_i - d_i)|$ ).
Seuils : Les expériences ont été menées avec des seuils de cohérence variables (nombre minimum d'instances par profil) pour assurer la fiabilité statistique.

Contributions clés

Formalisation des proportions analogiques probabilistes : L'article fournit des définitions rigoureuses pour les proportions analogiques entre distributions de probabilité, en distinguant les variantes arithmétiques, géométriques et arithmético-géométriques.
Propriétés théoriques :
- Démontré que la définition arithmétique préserve la distance de variation totale.
- Démontré que la définition arithmético-géométrique préserve la divergence de Kullback-Leibler.
- Prouvé que la définition géométrique pure est généralement insuffisante pour les distributions de probabilité en raison des contraintes de normalisation.
Preuves empiriques : À travers des expériences approfondies sur des jeux de données réels, les auteurs montrent que lorsque les profils forment une proportion analogique, leurs distributions de probabilité associées forment souvent une proportion analogique arithmétique avec une faible dissimularité.
Extension aux densités continues : L'article esquisse brièvement comment ces définitions s'étendent aux fonctions de densité de probabilité continues et discute des analogies basées sur les paramètres pour des distributions telles que Gaussienne ou Binomiale.

Résultats

Validité de la proportion arithmétique : Dans les jeux de données MovieLens et US Traffic Accidents, un nombre significatif de analogies de profils ont abouti à des analogies de distribution avec une très faible Dissimularité Analogique (AD < 0,05). Par exemple, la relation entre les notes masculines et féminines dans un groupe d'âge reflétait la relation dans un autre groupe d'âge à travers les distributions de notes.
Rareté de l'arithmético-géométrie : Lors du test des proportions arithmético-géométriques (exigeant à la fois les conditions arithmétiques et géométriques), les résultats ont montré une dissimularité beaucoup plus élevée. Les auteurs concluent que de telles analogies strictes entre les distributions de probabilité sont rares dans les données réelles, probablement en raison des contraintes élevées imposées par la condition géométrique.
Sensibilité au seuil : La validité de la règle d'inférence (que l'analogie de profil implique l'analogie de distribution) semblait plus forte avec des tailles d'échantillon plus grandes (seuils de cohérence plus élevés), suggérant que le bruit dans les petits ensembles de données occulte les relations proportionnelles sous-jacentes.

Signification et affirmations

L'article affirme fournir une étude systématique du lien entre le raisonnement analogique et la probabilité, allant au-delà des travaux précédents qui les traitaient séparément.

Contribution théorique : Il établit que les proportions analogiques peuvent être définies de manière significative dans le domaine probabiliste, offrant de nouveaux outils pour le raisonnement sous incertitude.
Implication pratique : Les résultats suggèrent que l'inférence analogique peut être étendue pour prédire des distributions de probabilité pour de nouveaux profils basés sur des profils analogiques connus, sans avoir besoin d'analyser directement la population cible. Cela pourrait améliorer les méthodes de classification et d'apprentissage par transfert.
Perspective modeste : Les auteurs reconnaissent que la relation n'est pas universellement valide (certains cas présentent une distorsion significative) et que les fondements théoriques de pourquoi cette relation tient dans de nombreux cas réels nécessitent des recherches supplémentaires. Ils notent que le présent travail est une étape préliminaire, des recherches futures étant nécessaires pour explorer les profils avec des attributs numériques et pour affiner les explications théoriques de la validité empirique observée.

Le travail est présenté comme une extension de travaux de conférences précédents [29, 30], réorganisant le contenu théorique et introduisant des sections expérimentales entièrement nouvelles pour valider l'hypothèse selon laquelle « les proportions analogiques entre profils sont associées à des proportions analogiques entre probabilités ».