Contenu du sommaire

Revue Mathématiques et sciences humaines Mir@bel
Numéro no 151, automne 2000
Texte intégral en ligne Accessible sur l'internet
  • Moyenne selon une loi de composition - Charles Antoine accès libre avec résumé avec résumé en anglais
    Cet article présente un modèle algébrique du concept de moyenne, dans le cas discret et fini, mais non nécessairement restreint au champ numérique. La démarche adoptée est purement formelle et axiomatique bien qu'elle s'inspire, naturellement, des modèles empiriques que sont les moyennes pythagoriciennes (les classiques moyennes d'ordre r). Dans la perspective d'éventuelles applications dans le domaine des sciences de l'homme, on a cherché à s'affranchir des données strictement numériques, sans pour autant les exclure. Aussi, avons-nous défini une opération susceptible d'incarner l'idée de moyenne, en minimisant l'outillage mathématique nécessaire à sa mise en oeuvre. En effet, comme point d'ancrage à sa construction, nous n'avons fait intervenir que deux notions : celle d'ordre de treillis et celle de loi de composition. La première permet de formaliser l'idée de valeur intermédiaire, la seconde celle d'agrégation selon le critère de la valeur constante ; deux principes dont nous pensons qu'ils constituent le fondement même de toute théorie des moyennes. On commence par étudier les moyennes opérant sur deux objets seulement, dont on dégage quelques propriétés élémentaires avant d'examiner les conditions d'obtention. Ensuite on généralise à plus de deux objets en signalant les propriétés barycentriques et de pondération.
    This article presents an algebraic model of the concept of mean, in the discontinuous and finite case, but not necessarily restricted to numerical calculation. The approach which has been used is strictly formal and axiomatic even though it is, of course, issued from empirical models i.e. Pythagorean means (type r classical means). In view of possible applications in the human sciences, there has been an attempt to break away from strict numerical data, without excluding them entirely. We have determined a process which is able to embody the concept of average, by minimizing the mathematical tools needed for its application. As a starting point for its construction, we have used only two notions, those of latice, and of composition law. The first notion enables us to formalize the idea of intermediate value and the second the idea of aggregation according to the criterion of constant ; we think that these two principles make up the very foundation of the theory of averages. We begin by studying the means which operate on two objects only. We set out a few elementary characteristics before proceeding with an examination of the obtention conditions. We then generalize to more than two objects by pointing out the barycentric characteristics and weighted means.
  • Comparing taxonomic data - Israël-César Lerman accès libre avec résumé avec résumé en anglais
    La prise en compte fidèle de la structure des données est une des caractéristiques essentielles de la méthode de classification hiérarchique AVL de l'Analyse de la Vraisemblance des Liens. Pour cette méthode les variables descriptives sont interprétées en termes de relations sur l'ensemble des objets. Le cas où ces variables définissent des taxonomies sur l'ensemble des objets devient ces dernières années de plus en plus important en Classification. Néanmoins, les coefficients d'association entre variables ainsi que les indices de similarité (resp. dissimilarité) entre objets de la sorte obtenus, ont une portée très générale. Ils peuvent en effet être adaptés à toute méthode de classification.
    Taking structured data into account is one of the main features of the Likelihood Linkage Analysis (LLA) (Analyse de la Vraisemblance des Liens, AVL) hierarchical classification method. For this methodology the descriptive attributes are represented in terms of relations on the object set. The case where these attributes define taxonomies on the set of objects is becoming these last years more and more important in Classification. Nevertheless, the association coefficients between attributes, respectively the similarity (or dissimilarity) indices between objects, have a very general scope and can be adapted to any classification method.
  • Les ultramétriques supérieures minimales d'une dissimilarité à valeurs dans un treillis distributif - Taoufik Benkaraache accès libre avec résumé avec résumé en anglais
    L'objectif de ce papier est de montrer comment se généralise la construction des ultramétriques supérieures minimales d'une dissimilarité quand cette dernière à ses valeurs dans un ensemble L non nécessairement totalement ordonné. Nous étudions spécialement le cas des dissimilarités à valeurs dans un treillis distributif.
    The aim of this paper is the generalisation of the calculus of dissimilarity approximation by minimal superior ultrametrics when the given dissimilarity takes values in a set L, not necessarily linearly ordered. We especially consider the case where L is a distributive lattice.