Upload
dionne-larcher
View
117
Download
0
Embed Size (px)
Citation preview
INF L14INF L14Initiation aux statistiquesInitiation aux statistiques
4 – Classement et cumul
Classement des Classement des modalitésmodalités
CAT EFFECTIF
ADJADJ 307307
ADVADV 349349
CONJCONJ 305305
DETDET 792792
INTERJINTERJ 44
NOMNOM 10931093
NUMNUM 1616
PREPPREP 539539
PROPRO 632632
VERBEVERBE 896896
Total 4933
Non classées : pas très lisible...
CAT
0
200
400
600
800
1000
1200
ADJ ADV CONJ DET INTERJ NOM NUM PREP PRO VERBE
Classement des Classement des modalitésmodalités
CAT EFFECTIF
NOMNOM 10931093
VERBEVERBE 896896
DETDET 792792
PROPRO 632632
PREPPREP 539539
ADVADV 349349
ADJADJ 307307
CONJCONJ 305305
NUMNUM 1616
INTERJINTERJ 44
Total 4933
Classement par fréquences décroissantes
CAT
0
200
400
600
800
1000
1200
NOM VERBE DET PRO PREP ADV ADJ CONJ NUM INTERJ
Classement des Classement des modalitésmodalités
CAT EFFECTIF
NOMNOM 10931093
VERBEVERBE 896896
DETDET 792792
PROPRO 632632
PREPPREP 539539
ADVADV 349349
ADJADJ 307307
CONJCONJ 305305
NUMNUM 1616
INTERJINTERJ 44
Total 4933
Polygone de fréquences
CAT
0
200
400
600
800
1000
1200
NOM VERBE DET PRO PREP ADV ADJ CONJ NUM INTERJ
Classement des Classement des modalitésmodalités
CAT EFFECTIF
NOMNOM 10931093
VERBEVERBE 896896
DETDET 792792
PROPRO 632632
PREPPREP 539539
ADVADV 349349
ADJADJ 307307
CONJCONJ 305305
NUMNUM 1616
INTERJINTERJ 44
Total 4933
Diagramme en secteurs
CAT
NOM23%
VERBE18%
DET16%
PRO13%
PREP11%
ADV7%
ADJ6%
CONJ6%
NUM0,3%
INTERJ0,1%
RangsRangs
RANG CAT EFFECTIF
11 NOMNOM 10931093
22 VERBEVERBE 896896
33 DETDET 792792
44 PROPRO 632632
55 PREPPREP 539539
66 ADVADV 349349
77 ADJADJ 307307
88 CONJCONJ 305305
99 NUMNUM 1616
1010 INTERJINTERJ 44
RangsRangsRang Forme Fréq.
1 de 239
2 le 153
3 l' 125
4 la 119
5 et 95
6 est 88
7 que 83
8 d' 82
9 les 79
10 il 62
11 un 61
12 a 58
13 qui 53
14 du 52
15 une 51
16 des 48
17 en 47
18 à 46
19 qu' 46
20 ne 43
21 dans 40
22 on 37
23 plus 34
... ... ...
0
50
100
150
200
250
300
0 200 400 600 800 1000 1200 1400 1600
Rang
Fré
qu
ence
Quand les modalités sont très nombreuses, on utilise plutôt les rangs sur l’axe des abscisses (X), par exemple de 10 en 10, 100 en 100, etc.
Changement d’échelleChangement d’échelle
1
10
100
1000
1 10 100 1000 10000
Rang
Fré
qu
ence
Lorsque les modalités sont très nombreuses et les fréquences très inégales on peut utiliser un changement d’échelle des axes (coordonnées logarithmiques).0
50
100
150
200
250
300
0 200 400 600 800 1000 1200 1400 1600
Rang
Fré
qu
ence
Loi de ZipfLoi de Zipf George Zipf (1935) s’est George Zipf (1935) s’est
aperçu que cette relation aperçu que cette relation rang-fréquence était une rang-fréquence était une propriété de tous les propriété de tous les textes.textes.
1
10
100
1000
1 10 100 1000 10000
Rang
Fré
qu
ence
Approximativement : rang x fréquence =
constante
ExemplesExemplesPhèdre
1
10
100
1000
10000
1 10 100 1000 10000
Gargantua
1
10
100
1000
10000
1 10 100 1000 10000
Notre-Dame de Paris
1
10
100
1000
10000
100000
1 10 100 1000 10000
Alice in Wonderland
1
10
100
1000
10000
100000
1 10 100 1000 10000
Fréquences cumuléesFréquences cumulées
CAT EFFECTIF
NOMNOM 10931093
VERBEVERBE 896896
DETDET 792792
PROPRO 632632
PREPPREP 539539
ADVADV 349349
ADJADJ 307307
CONJCONJ 305305
NUMNUM 1616
INTERJINTERJ 44
Total 4933
Etape 1 : Classement par fréquences décroissantes
CAT
0
200
400
600
800
1000
1200
NOM VERBE DET PRO PREP ADV ADJ CONJ NUM INTERJ
Fréquences cumuléesFréquences cumuléesCAT EFFECTIF CUMUL
NOMNOM 10931093 10931093
VERBEVERBE 896896 19891989
DETDET 792792 27812781
PROPRO 632632 34133413
PREPPREP 539539 39523952
ADVADV 349349 43014301
ADJADJ 307307 46084608
CONJCONJ 305305 49134913
NUMNUM 1616 49294929
INTERJINTERJ 44 49334933
Total 4933 4933
CAT
0
1000
2000
3000
4000
5000
6000
NOM VERBE DET PRO PREP ADV ADJ CONJ NUM INTERJ
Fréquences cumuléesFréquences cumuléesCAT EFFECTIF CUMUL CUMUL%
NOMNOM 10931093 10931093 22,2%22,2%
VERBEVERBE 896896 19891989 40,3%40,3%
DETDET 792792 27812781 56,4%56,4%
PROPRO 632632 34133413 69,2%69,2%
PREPPREP 539539 39523952 80,1%80,1%
ADVADV 349349 43014301 87,2%87,2%
ADJADJ 307307 46084608 93,4%93,4%
CONJCONJ 305305 49134913 99,6%99,6%
NUMNUM 1616 49294929 99,9%99,9%
INTERJINTERJ 44 49334933 100,0%100,0%
Total 4933 4933 100,0¨%
CAT
0%
20%
40%
60%
80%
100%
NOM VERBE DET PRO PREP ADV ADJ CONJ NUM INTERJ
Idem, expression en pourcentages
ExempleExemple
Petit PrincePetit Prince 15351 occurrences15351 occurrences 2414 formes2414 formes
Rappel : loi de ZipfRappel : loi de Zipf
Petit Prince
1
10
100
1000
10000
1 10 100 1000 10000
Rang
Fré
qu
ence
Fréquences cumuléeFréquences cumulée
EnvironEnviron 50 mots = 50%50 mots = 50% 1000 mots = 1000 mots =
90%90%Petit Prince
0%
50%
100%
0 500 1000 1500 2000 2500 3000
Rang
Fré
qu
ence
cu
mu
lée
90%
Vocabulaire fondamental
AgrandissementAgrandissement
Petit Prince
0%
50%
100%
0 50 100 150 200
Rang
Fré
qu
ence
cu
mu
lée
(agrandissement rangs 1 - 200)
52 mots = 50%
Mots les plus fréquentsMots les plus fréquents
Rang Forme Cumul Rang Forme Cumul
1 LE 3,0% 27 EN 37,4%
2 DE 5,7% 28 QU' 38,1%
3 IL 8,2% 29 ME 38,8%
4 JE 10,4% 30 QUI 39,5%
5 ET 12,3% 31 POUR 40,1%
6 UN 14,2% 32 BIEN 40,8%
7 EST 16,0% 33 AI 41,4%
8 LES 17,7% 34 SE 41,9%
9 LA 19,1% 35 A 42,5%
10 PETIT 20,4% 36 S' 43,0%
11 PAS 21,6% 37 COMME 43,5%
12 À 22,8% 38 MOI 44,0%
13 NE 24,0% 39 SI 44,5%
14 PRINCE 25,1% 40 DU 45,0%
15 L' 26,2% 41 ON 45,5%
16 QUE 27,3% 42 SUR 45,9%
17 D' 28,3% 43 ELLE 46,4%
18 TU 29,3% 44 ÉTAIT 46,8%
19 J' 30,3% 45 VOUS 47,2%
20 C' 31,3% 46 DANS 47,7%
21 UNE 32,3% 47 LUI 48,1%
22 DIT 33,3% 48 PLANÈTE 48,5%
23 N' 34,2% 49 PLUS 48,9%
24 MAIS 35,1% 50 MON 49,3%
25 DES 36,0% 51 ÇA 49,6%
26 CE 36,8% 52 TOUT 50,0%
AntidictionnaireAntidictionnaire
Mots outilsMots outils Mots grammaticauxMots grammaticaux Présents dans tous les textesPrésents dans tous les textes Parmi les plus fréquentsParmi les plus fréquents
$£aAàafinahaiaieaientaiesailleursainsiaitalentouraliasallaisallaientallaitallonsallezalorsAp.Apr.aprèsaprès-demainarrièreasassezattenduauaucunaucuneau-dedansau-dehorsau-delàau-dessousau-dessusau-devant...
ExempleExemple
Programme DicoProgramme Dico
Tous les motsTous les mots
FiltréFiltré
On voit apparaître les mots-clés du
texte
Termes à retenirTermes à retenir
Rang Coordonnées logarithmiques Loi de Zipf Fréquences cumulées