Approches non-probabilistes : comment modéliser l'incertain ?
Approches non-probabilistes : comment modéliser l'incertain ?
Approches non-probabilistes : comment modéliser l'incertain ?
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Approches</strong> <strong>non</strong>-<strong>probabilistes</strong> : <strong>comment</strong> <strong>modéliser</strong><br />
l’incertain ?<br />
Daniel BOISSIER<br />
Aurélie Aur lie TALON<br />
Fiabilité Fiabilit des Matériaux Mat riaux et des Structures<br />
Nantes, 26-28 26 28 mars 2008<br />
JFMS08 D.Boissier, A.Talon
Sommaire<br />
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
2 Sources et qualité qualit des données donn es<br />
3 Théorie Th orie des possibilités possibilit s et Modélisation Mod lisation par SEF<br />
4 Traitement des SEF<br />
5 Passage des statistiques aux possibilités possibilit<br />
6 Défuzzification fuzzification<br />
7 Synthèse Synth se<br />
JFMS08 D.Boissier, A.Talon<br />
2
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
Connaissance et <strong>non</strong> connaissance<br />
connaissance<br />
connaissance<br />
Ingénierie Ing nierie : domaine de la<br />
connaissance<br />
JFMS08 D.Boissier, A.Talon<br />
Non<br />
connaissance<br />
2
1<br />
Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
Connaissance probabilisée probabilis e ou <strong>non</strong><br />
Probabilisé Probabilis<br />
JFMS08 D.Boissier, A.Talon<br />
Non Probabilisé Probabilis<br />
Faible domaine probabilisable<br />
2
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
Espace de connaissance probabilisé<br />
probabilis<br />
Causes Conséquences<br />
Cons quences<br />
Données Donn es<br />
Echantillon<br />
Hypothèses Hypoth ses<br />
Méthodes thodes<br />
JFMS08 D.Boissier, A.Talon<br />
Incertitude<br />
sur la loi<br />
Incertitude<br />
sur les<br />
moments<br />
Erreurs de modélisation<br />
mod lisation<br />
2
1<br />
Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
Domaine de la connaissance et temps<br />
AVANT<br />
POSSIBILITE QU’UN QU UN<br />
EVENEMENT SE SOIT PASSE<br />
CONNAISSANCE<br />
Doute réductible r ductible<br />
JFMS08 D.Boissier, A.Talon<br />
APRES<br />
TEMPS<br />
POSSIBILITE QU’UN QU UN<br />
EVENEMENT SE PASSE<br />
ALEA<br />
Part irréductible irr ductible<br />
2
Sommaire<br />
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
2 Sources et qualité qualit des données donn es<br />
3 Théorie Th orie des possibilités possibilit s et Modélisation Mod lisation par SEF<br />
4 Traitement des SEF<br />
5 Passage des statistiques aux possibilités possibilit<br />
6 Défuzzification fuzzification<br />
7 Synthèse Synth se<br />
JFMS08 D.Boissier, A.Talon<br />
2
2 Sources et qualité qualit des données donn es<br />
• Quantitative :<br />
– Dénombrement<br />
• Nombre de couches,de<br />
fissures<br />
– Estimateur calculé<br />
• F, Tassement…<br />
– Mesure ou estimation<br />
• Qd, Pl,c, …<br />
• Concordante<br />
Information<br />
JFMS08 D.Boissier, A.Talon<br />
• Qualitative :<br />
– déclarations d’experts et<br />
appréciations subjectives<br />
• Sol bon, compressible,<br />
raide,..<br />
• Risque de glissement,<br />
liquéfaction, …<br />
• Moins résistant, plus mou<br />
• Clair, consistant<br />
• limon, époque,..<br />
• Discordante
Modèles d’informations<br />
• Déterministes<br />
• Bases de faits, règles de production<br />
• Semi Probabilistes : Fractiles, Valeurs<br />
caractéristiques<br />
• Probabilistes : Lois et paramètres<br />
• Champs et processus aléatoires<br />
•Possibilistes : SEF, ..<br />
•Croyance : valeurs + masse de croyance<br />
JFMS08 D.Boissier, A.Talon
Source<br />
Mesure<br />
Déclaration<br />
Savoir<br />
2 Sources et qualité qualit des données donn es<br />
Fiabilité<br />
Appareil (s)<br />
Echantillon<br />
Process<br />
Expert (s)<br />
Situation<br />
Théorie (s)<br />
Biblio…<br />
JFMS08 D.Boissier, A.Talon<br />
Informativité<br />
Unification<br />
Agrégation<br />
2
2 Sources et qualité qualit des données donn es<br />
SOURCES<br />
Observations et Expérimentations<br />
Dires d’expert<br />
Statistiques<br />
Résultats de simulation, Analyse et calcul<br />
- la source de cette donnée,<br />
QUALITE fonction de :<br />
- la modélisation de cette donnée sous un format possibiliste,<br />
- l’utilisation prévue de cette donnée : correspondance entre cette<br />
donnée et le problème posé,<br />
- informativité de cette donnée<br />
JFMS08 D.Boissier, A.Talon<br />
2
Acquisition<br />
Transformation<br />
Utilisation<br />
Qualité des données<br />
Valeurs prises par les critères<br />
Critères 1 2/3 1/3 0<br />
Modélisation C1<br />
Théorie<br />
corroborée<br />
Théorie <strong>non</strong><br />
corroborée<br />
JFMS08 D.Boissier, A.Talon<br />
Étude<br />
statistique<br />
G E N I E C IV IL<br />
C l e r m o n t - F e r r a n d<br />
Uni ve rs i té B la is e Pas c al<br />
Non modélisée<br />
Hypothèses de modélisation C2 Très faible Faible Forte Très forte<br />
Données de base C3<br />
Plan<br />
d’expérience<br />
Retour<br />
d’expérience<br />
Estimation<br />
« éduquée »<br />
Estimation<br />
« <strong>non</strong> éduquée »<br />
Source C4 Référencée Interne Conférence Isolée<br />
Censure C5 Non censurée<br />
Partiellement<br />
censurée<br />
Censurée<br />
Non prise en<br />
compte<br />
Représentativité C6 Parfaite Correcte Faible Pauvre<br />
Correspondance d’échelles C7 Entière Correcte Faible Pauvre<br />
Correspondance des sollicitations C8<br />
Sollicitations<br />
identiques<br />
Correcte Faible Pauvre<br />
Entropie C9 Valeur calculée continue<br />
CIVIL ENGIN<br />
C l e r m o n t<br />
B l a i
Sommaire<br />
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
2 Sources et qualité qualit des données donn es<br />
3 Théorie Th orie des possibilités possibilit s et Modélisation Mod lisation par SEF<br />
4 Traitement des SEF<br />
5 Passage des statistiques aux possibilités possibilit<br />
6 Défuzzification fuzzification<br />
7 Synthèse Synth se<br />
JFMS08 D.Boissier, A.Talon<br />
2
Théorie Th orie des sous ensembles flous<br />
Flou du Domaine d’appartenance<br />
d appartenance<br />
+<br />
Théorie Th orie des possibilités possibilit<br />
Flou de l’Appartenance<br />
l Appartenance<br />
profils de compatibilités<br />
compatibilit<br />
fusion et masse de croyance<br />
(Demspter Demspter Shaffer) Shaffer<br />
Relation floue<br />
Logique floue : bases<br />
+<br />
Flou de la relation, relation,<br />
SE<br />
JFMS08 D.Boissier, A.Talon<br />
2
Logique floue et incertain<br />
Incertitude sur la validité validit d’une une connaissance<br />
Je crois que ce drain a déjà d été bouché bouch<br />
+<br />
Imprécision Impr cision sur l’é l’é<strong>non</strong>c<br />
<strong>non</strong>cé d’une une connaissance<br />
Le débit d bit du drain est important<br />
Incomplétude Incompl tude de données donn es<br />
+<br />
Il manque la composition du drain nord<br />
JFMS08 D.Boissier, A.Talon<br />
2
Pascal, Bernouilli,... Bernouilli,...<br />
Logique floue<br />
Lofti Zadeh (1965, Berkeley)<br />
Bellman (Programmation dynamique et aide à la<br />
décision cision ~1980)<br />
A. Kauffmann (1973) RO - Intro aux SEF<br />
Dubois et Prade (UPS – ~1975) Théorie Th orie des<br />
possibilités possibilit s en info ; proba/possibilit<br />
proba/possibilités<br />
Dampster et Shafer (67,68) : théorie th orie de l’é l’évidence<br />
vidence<br />
Bouchon Meunier (~90) (commande floue)<br />
Yager ( 1980) (défuzzification<br />
( fuzzification, , aggrégation aggr gation)<br />
Roy B ( Analyse multicritère multicrit re et SEF)<br />
JFMS08 D.Boissier, A.Talon<br />
2
3 Théorie Th orie des possibilités possibilit s et SEF<br />
Un sous ensemble flou du type (L-R) est définie par cinq paramètres :<br />
m : valeur modale inférieure, n : valeur modale supérieure<br />
α : étalement à gauche, β : étalement à droite,<br />
noyau = valeurs les plus<br />
plausibles<br />
Notation L-R( m,n, α ,β, h)<br />
support = intervalle de variation<br />
possible<br />
µ<br />
h<br />
L<br />
noyau<br />
m n<br />
α β<br />
support<br />
JFMS08 D.Boissier, A.Talon<br />
R<br />
x<br />
2
hauteur :<br />
noyau :<br />
support :<br />
cardinalité :<br />
α-coupe coupe :<br />
SEF : définitions d finitions<br />
( A)<br />
= sup µ ( x)<br />
h A<br />
x∈X<br />
{ }<br />
( A)<br />
= x ∈ X µ ( x ) h(<br />
A)<br />
Noy A =<br />
{ > 0}<br />
( A)<br />
= x∈<br />
X µ ( x)<br />
Supp A<br />
( A)<br />
= sup µ ( x)<br />
h A<br />
x∈X<br />
{ x∈<br />
X µ ( ) ≥α}<br />
Aα A<br />
= x<br />
JFMS08 D.Boissier, A.Talon<br />
2
1<br />
0<br />
1<br />
0<br />
0 10<br />
0 10<br />
Différentes formes possibles<br />
1<br />
0<br />
1<br />
0<br />
SEF : variétés<br />
vari<br />
0 10<br />
0 10<br />
JFMS08 D.Boissier, A.Talon<br />
1<br />
0<br />
1<br />
0<br />
0 10<br />
0 10
Déclaration<br />
Empirisme<br />
Statistique<br />
Calcul<br />
SEF : Construction<br />
SEF<br />
Dires d’expert<br />
# Sources<br />
X<br />
Relations<br />
logiques<br />
Opérations<br />
JFMS08 D.Boissier, A.Talon<br />
VA<br />
Lois à priori<br />
Cv par défaut<br />
Estimations<br />
Fonctions de<br />
VA<br />
2
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
Valeurs jugées<br />
impossibles<br />
SEF : Construction<br />
Valeurs jugées les<br />
plus vraisemblables<br />
Valeurs jugées<br />
possibles<br />
JFMS08 D.Boissier, A.Talon<br />
Valeurs jugées<br />
impossibles<br />
0 1 2 3 4 5 6 7 8 9 10<br />
Exemple de notation (échelle ( chelle 1 à 10)<br />
2
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
SEF : Construction<br />
0 1 2 3 4 5 6 7 8 9 10<br />
Distribution de possibilité possibilit déclar clarée e par l’expert l expert E2 pour<br />
l’indicateur indicateur « Etat des enrochements »<br />
JFMS08 D.Boissier, A.Talon<br />
2
3 Théorie Th orie des possibilités possibilit s des données donn es au modèle mod le<br />
Echelle d’évaluation des indicateurs<br />
Excellent Bon Passable Médiocre Mauvais Inacceptable<br />
0 1 2 3 4 5 6 7 8 9 10<br />
Approche déterministe :<br />
Approche possibiliste :<br />
Valeur ponctuelle<br />
Certitude de la valeur<br />
• Valeur ponctuelle<br />
Certitude de la valeur<br />
• Intervalle<br />
Certitude de la classe de valeurs<br />
• Sous-ensemble flou<br />
Combinaison de valeurs certaines et possibles<br />
JFMS08 D.Boissier, A.Talon
Environ<br />
30 minutes<br />
Approximativement<br />
entre 20 et 30 minutes<br />
Signification<br />
JFMS08 D.Boissier, A.Talon<br />
G E N I E C IV IL<br />
3 Théorie Th orie des possibilités possibilit s des données donn es au modèle mod le<br />
Forme triangulaire Forme trapézoïdale<br />
Représentation<br />
C l e r m o n t - F e r r a n d<br />
Uni ve rs i té B la is e Pas c al<br />
Avant 30 minutes Au delà de 30 minutes<br />
Forme triangulaire<br />
ouverte à gauche<br />
Paramètres caractéristiques<br />
Forme triangulaire<br />
ouverte à droite<br />
3 : a, b et c 4 : a, b, c et d 2 : a et b 2 : a et b<br />
CIVIL ENGIN<br />
C l e r m o n t<br />
B l a i
Resistance<br />
Solicitation<br />
Resistance R(t)<br />
Solicitation S(t)<br />
Durée de vie d’un composant<br />
Failure probability<br />
Mean service life<br />
Service life distribution<br />
Une trajectoire…<br />
Des évènements<br />
Time<br />
5<br />
Modèle de résistance et<br />
de sollicitation<br />
PERFORMANCE<br />
1<br />
2 - 3<br />
Construction End of life<br />
1 –réalisation,<br />
2 – Mécanismes de dégradation,<br />
3 –Cinétique de dégradation,<br />
4 –impact des réparations,<br />
5 –Etats limites.<br />
JFMS08 D.Boissier, A.Talon<br />
4<br />
TIME
Table<br />
d'évaluation<br />
de la<br />
crédibilité<br />
des<br />
données<br />
Crédibilité des données<br />
Sources Durée de service<br />
PI BAT 150 1 0,29<br />
Gumpertz [25-100] 1 0,47<br />
ISO [70-80] 1 0,53<br />
Moniteur >30 ans 2 0,55<br />
Siemes PDF(µ=100,σ=100) 1 0,65<br />
Kurti [100-120] 1 0,43<br />
Calcul ddv [5-130] 1 0,36<br />
Calcul modèle [55-75] 3 0,64<br />
Origine des données<br />
Crédibilité des données<br />
JFMS08 D.Boissier, A.Talon<br />
4<br />
3<br />
2<br />
1<br />
0<br />
origine des données<br />
expérimentale<br />
historique<br />
calculée<br />
expert<br />
<strong>non</strong> expert
Valeur<br />
ponctuelle<br />
Intervalle<br />
Fuzzy set<br />
Distribution<br />
de<br />
probabilité<br />
Sources et Modélisation des données<br />
a c d b<br />
Format Example<br />
a<br />
a b<br />
a b<br />
JFMS08 D.Boissier, A.Talon<br />
a = 55 ans<br />
[30, 60] ans<br />
[10, 30, 60, 70, 1] ans<br />
Distribution à n paramètres<br />
(Ici, distribution Normale avec µ<br />
= 50 ans et σ = 13 ans)
Sommaire<br />
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
2 Sources et qualité qualit des données donn es<br />
3 Théorie Th orie des possibilités possibilit s et Modélisation Mod lisation par SEF<br />
4 Traitement des SEF<br />
5 Passage des statistiques aux possibilités possibilit<br />
6 Défuzzification fuzzification<br />
7 Synthèse Synth se<br />
JFMS08 D.Boissier, A.Talon<br />
2
égalit galité : si et seulement si<br />
inclusion : si et seulement si<br />
union : est donné donn par :<br />
intersection : est donné donn par<br />
complément compl ment :<br />
produit cartésien cart sien<br />
projection<br />
4 Traitement des SEF<br />
Propriétés Propri s des SEF<br />
JFMS08 D.Boissier, A.Talon<br />
( x)<br />
µ ( x)<br />
∀ x ∈ X , µ A = B<br />
( x)<br />
µ ( x)<br />
∀ x ∈ X , µ A ≤ B<br />
A ∪B<br />
( x) = max(<br />
µ A(<br />
x)<br />
µ B ( x)<br />
)<br />
( ) = min(<br />
µ ( x)<br />
µ ( x)<br />
)<br />
µ ,<br />
µ ,<br />
A ∩B<br />
x A B<br />
( x)<br />
= µ ( x)<br />
∀x ∈ X , µ 1−<br />
A<br />
A<br />
2
SEF : Relations floues<br />
relation floue R<br />
Une relation floue R entre deux univers <strong>non</strong> flous de référence r rence X et Y<br />
est un sous-ensemble sous ensemble flou de X × Y de fonction d ’appartenance:<br />
appartenance:<br />
f R<br />
[ 0 1]<br />
: X × Y → ,<br />
R T V A M<br />
T 1 0,5 0,8 0,2<br />
V 0,5 1 0,3 0<br />
A 0,2 0,7 1 0,3<br />
M 0,8 1 0,7 1<br />
JFMS08 D.Boissier, A.Talon<br />
2
SEF L-R L R : opérations op rations<br />
I :L-R( : m, n, α ,β, 1 et J : L-R( m’,n’, α’ ,β’, 1)<br />
Opposé Oppos – I : L-R ( -n, -m, β, α,1)<br />
Addition I + J : L-R ( m+m’, n+n’, α+α’, β+β’, 1)<br />
Soustraction I – J : L-R ( m-m’, n-n’, α+β’, β+α’, 1)<br />
Produit I * J ~ L-R ( m*m’, n*n’, mα’+m’α, nβ’+n’β, 1)<br />
Quotient I / J<br />
Maximum Max(I,J)<br />
µ m<br />
~<br />
ax(<br />
I , J ) ( = )<br />
Minimum Min (I,J)<br />
z) =<br />
sup x , y:<br />
z max( x , y min( µ I ( x),<br />
µ J<br />
JFMS08 D.Boissier, A.Talon<br />
( y))<br />
2
Addition I (m = 2, n = 4, α = 1, β = 1) J (m’ = 4, n’ = 5, α’ = 2, β’ = 1)<br />
1<br />
0,9<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
0 1 2 3 4 5 6 7 8 9101112131415161718192021222324252627282930<br />
JFMS08 D.Boissier, A.Talon<br />
I + J<br />
I<br />
J
Max I (m = 2, n = 4, α = 1, β = 1) J (m’ = 4, n’ = 5, α’ = 2, β’ = 1)<br />
1<br />
0,9<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
0 1 2 3 4 5 6 7 8 9101112131415161718192021222324252627282930<br />
JFMS08 D.Boissier, A.Talon<br />
Max(I, J)<br />
I<br />
J
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
(a)<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
(b)<br />
2 SEF : opérateur op rateur max<br />
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
JFMS08 D.Boissier, A.Talon<br />
(c)<br />
(d)<br />
2
Multiplication I (m = 2, n = 4, α = 1, β = 1) J (m’ = 4, n’ = 5, α’ = 2, β’ = 1)<br />
(la formule correcte) Produit I * J ~ L-R ( m*m’, n*n’, mα’+m’α, nβ’+n’β, 1)<br />
1<br />
0,9<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
0 1 2 3 4 5 6 7 8 9101112131415161718192021222324252627282930<br />
JFMS08 D.Boissier, A.Talon<br />
Multiplication<br />
I<br />
J
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
A ~<br />
A ~<br />
A ~<br />
A ~<br />
1<br />
2<br />
SEF L-R L R : comparaisons<br />
DC<br />
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
E1−E<br />
2<br />
I i<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
=<br />
S −<br />
S<br />
~<br />
A 2 I<br />
~ ~ S<br />
A 1 S + ~<br />
A 2 I<br />
~ ~ S<br />
A 1 S +<br />
JFMS08 D.Boissier, A.Talon<br />
~<br />
I<br />
14,<br />
3<br />
%<br />
DC<br />
E 1 − E 2<br />
I i<br />
=<br />
S<br />
A 1<br />
~<br />
A 1<br />
~<br />
S<br />
+ S<br />
~<br />
I<br />
A 2<br />
~<br />
A 2<br />
~<br />
− S<br />
~<br />
I<br />
× 100<br />
2
Sommaire<br />
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
2 Sources et qualité qualit des données donn es<br />
3 Théorie Th orie des possibilités possibilit s et Modélisation Mod lisation par SEF<br />
4 Traitement des SEF<br />
5 Passage des statistiques aux possibilités possibilit<br />
6 Défuzzification fuzzification<br />
7 Synthèse Synth se<br />
JFMS08 D.Boissier, A.Talon<br />
2
1<br />
0<br />
Des statistiques aux possibilités<br />
Modèle construit autour de la médiane (m)<br />
π ( x)<br />
10 30 120<br />
Inf(I) m Sup(I)<br />
JFMS08 D.Boissier, A.Talon<br />
x<br />
2
Des statistiques aux possibilités<br />
Modèle construit autour du mode (M)<br />
La distribution de possibilité π est telle que :<br />
Le support de π est [min, max],<br />
son noyau est : .<br />
1<br />
0<br />
π ( x)<br />
⎡ M + min max + M<br />
⎢ ,<br />
⎣ 2 2<br />
10 60 120<br />
Inf(I) M Sup(I)<br />
⎤<br />
⎥<br />
⎦<br />
JFMS08 D.Boissier, A.Talon<br />
x<br />
2
Des statistiques aux possibilités<br />
Modèle construit autour de la médiane (m) et du mode (M)<br />
Le support de π est [min, max],<br />
son noyau est :[m, M]. .<br />
1<br />
0<br />
π ( x)<br />
10 30 60 120<br />
Inf(I) m M Sup(I)<br />
JFMS08 D.Boissier, A.Talon<br />
x<br />
2
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
Des statistiques aux possibilités<br />
Modèle construit autour de la moyenne<br />
π<br />
max − moy<br />
max − x<br />
π x = 1 −<br />
x − moy<br />
x − min<br />
∀ x ∈ moy<br />
( x) =<br />
∀x<br />
∈ [ min, moy]<br />
( ) [ , max ]<br />
1 11 21 31 41 51 61 71 81 91 101 111<br />
moy<br />
JFMS08 D.Boissier, A.Talon<br />
2
x1, x2 et x3 à 5%, 50% et 95%,<br />
π<br />
( x ) = π ( x ) = 0,<br />
1<br />
1<br />
3<br />
Des statistiques aux possibilités<br />
Modèle construit à partir de fractiles<br />
et interpolations linéaires sur [min, x1], [x1, x2], [x2, x3] et [x3, max].<br />
π ( x)<br />
et<br />
π<br />
( ) 1 x<br />
2 =<br />
JFMS08 D.Boissier, A.Talon<br />
x<br />
2
Des statistiques aux possibilités<br />
Modèle construit à partir d’une distribution statistique<br />
MASSON M.H., DENŒUX T. Inferring a possibility distribution<br />
from empirical data. Fuzzy sets and systems. 2006, Vol. 157, pp.<br />
319-340.<br />
DUBOIS D. Possibility theory and statistical reasoning.<br />
Computational statistics & data analysis. 2006, vol. 51, pp. 47-69.<br />
JFMS08 D.Boissier, A.Talon<br />
2
Sommaire<br />
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
2 Sources et qualité qualit des données donn es<br />
3 Théorie Th orie des possibilités possibilit s et Modélisation Mod lisation par SEF<br />
4 Traitement des SEF<br />
5 Passage des statistiques aux possibilités possibilit<br />
6 Défuzzification fuzzification<br />
7 Synthèse Synth se<br />
JFMS08 D.Boissier, A.Talon<br />
2
6 Deffuzification<br />
Méthodes associées à la moyenne<br />
Moyenne de la surface<br />
Une partie de la moyenne de la surface<br />
Moyenne du support<br />
Moyenne du noyau<br />
Méthodes associées au minimum<br />
Méthodes associées au maximum<br />
Autres méthodes<br />
JFMS08 D.Boissier, A.Talon
6 Deffuzification<br />
Méthodes associées à la moyenne<br />
Moyenne du noyau<br />
Fonction<br />
d’appartenance<br />
1<br />
0<br />
=<br />
Mean of maxima ou Middle of maximum (MOM ou MeOM)<br />
Continuity focused choice of maxima (CFCOM)<br />
Center of mean (COM)<br />
JFMS08 D.Boissier, A.Talon<br />
Note de 0 à 10
6 Défuzzification fuzzification<br />
Méthodes associées à la moyenne<br />
Moyenne du support<br />
Fonction<br />
d’appartenance<br />
1<br />
0<br />
=<br />
JFMS08 D.Boissier, A.Talon<br />
Mean of support (MOS ou MeOS)<br />
Note de 0 à 10
6<br />
Fonction<br />
d’appartenance<br />
1<br />
0<br />
Défuzzification fuzzification<br />
Méthodes associées au minimum<br />
JFMS08 D.Boissier, A.Talon<br />
First of minima (FOM)<br />
First of support (FOS)<br />
Note de 0 à 10
6<br />
Fonction<br />
d’appartenance<br />
1<br />
0<br />
Méthodes associées à la moyenne<br />
Moyenne de la surface<br />
Défuzzification fuzzification<br />
=<br />
JFMS08 D.Boissier, A.Talon<br />
Center of gravity (COG)<br />
Center of area (COA)<br />
Extended center of area (ECOA)<br />
Midpoint of area (MOA)<br />
Weighting function of center of gravity (WFCOG)<br />
Maximum entropy of the WFCOF (MEWFCOG)<br />
Basic defuzzification distribution (BADD)<br />
Maximum entropy of BADD (MEWBADD)<br />
Generalized level set defuzzification (GLSD)<br />
Fuzzy mean (FM)<br />
Weighted fyzzy mean (WFM)<br />
Quality method (QM)<br />
Extended quality method (EQM)<br />
Random generation (RAGE)<br />
Note de 0 à 10
6<br />
Fonction<br />
d’appartenance<br />
1<br />
0<br />
Défuzzification fuzzification<br />
Méthodes associées à la moyenne<br />
Une partie de la moyenne de la surface<br />
=<br />
JFMS08 D.Boissier, A.Talon<br />
Indexed center of gravity (ICOG)<br />
Semi-linear defuzzification (SLIDE)<br />
Note de 0 à 10
Sommaire<br />
1 Incertain, imprécis, impr cis, <strong>non</strong> connaissance<br />
2 Sources et qualité qualit des données donn es<br />
3 Théorie Th orie des possibilités possibilit s et Modélisation Mod lisation par SEF<br />
4 Traitement des SEF<br />
5 Passage des statistiques aux possibilités possibilit<br />
6 Défuzzification fuzzification<br />
7 Synthèse Synth se<br />
JFMS08 D.Boissier, A.Talon<br />
2
Conclusion<br />
Applications potentielles<br />
* Fiabilité, durabilité :<br />
-Evaluation des durées de vie,<br />
-Criticité des scénarios<br />
-Sensibilité aux imperfections<br />
* Aide à la décision :<br />
-Evaluation des performances<br />
-Compatibilité entre performances imprécises et<br />
objectifs flous<br />
-Classement multicritère<br />
JFMS08 D.Boissier, A.Talon
1<br />
0,8<br />
0,6<br />
0,4<br />
0,4<br />
0,2<br />
Comparaison objectif flou et performance floue<br />
Objectif<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
Degré d'appartenance<br />
1<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0,8<br />
0,6<br />
0,4<br />
0,2<br />
0<br />
0 0,2 0,4 0,6 0,8 1<br />
Degré de compatibilité<br />
JFMS08 D.Boissier, A.Talon 0,75<br />
1<br />
Performance<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10<br />
0 3,25 0<br />
3,25<br />
0,6<br />
objectif Performance<br />
Profil de<br />
compatibilité<br />
compatibilit<br />
2
L’approche possibiliste<br />
Oblige de réfléchir sur<br />
- les sources de données,<br />
- leur qualité / leur informativité<br />
Relativise<br />
- l’importance des phénomènes<br />
- l’importance des modèles<br />
Fournit<br />
Conclusion<br />
- un couple (résultat, qualité)<br />
- une entrée pour l’aide à la décision<br />
JFMS08 D.Boissier, A.Talon
Conclusion:<br />
Déterminisme, probabilisme,<br />
possibilisme<br />
Passages Probabilités / Possibilités possibles<br />
<strong>Approches</strong> complémentaires<br />
et <strong>non</strong> concurrentes<br />
JFMS08 D.Boissier, A.Talon
Merci de votre attention<br />
JFMS08 D.Boissier, A.Talon
Pascal, Bernouilli,... Bernouilli,...<br />
Logique floue<br />
Lofti Zadeh (1965, Berkeley)<br />
Bellman (Programmation dynamique et aide à la<br />
décision cision ~1980)<br />
A. Kauffmann (1973) RO - Intro aux SEF<br />
Dubois et Prade (UPS – ~1975) Théorie Th orie des<br />
possibilités possibilit s en info ; proba/possibilit<br />
proba/possibilités<br />
Dampster et Shafer (67,68) : théorie th orie de l’é l’évidence<br />
vidence<br />
Bouchon Meunier (~90) (commande floue)<br />
Yager ( 1980) (défuzzification<br />
( fuzzification, , aggrégation aggr gation)<br />
Roy B ( Analyse multicritère multicrit re et SEF)<br />
JFMS08 D.Boissier, A.Talon<br />
2