L’objectif de cet outil est de vous permettre d’identifier des proportions cibles entre deux cotations, au sein d’un ensemble de mesures réalisées sur un monument avec précision. Vous aurez la possibilité de définir les valeurs que vous recherchez, comme le nombre d’or. Il est recommandé de régler la précision de ces relations en fonction de la précision de vos mesures initiales ; dans la majorité des cas de mesures linéaires, il est conseillé de ne pas descendre en dessous de 99,7 % de précision1. Pour les rapports de surface ou de volume, il est impératif d’ajuster la précision en tenant compte de l’erreur quadratique 1. Par la suite, vous pourrez confronter les résultats de votre recherche avec des mesures aléatoires randomisées qui se situent dans le même intervalle, compris entre votre mesure la plus petite et votre mesure la plus grande.
Ainsi, il est possible de comparer le nombre de relations observées avec un monument réel par rapport à un monument choisi au hasard. Par exemple, si vous identifiez 9 relations dans votre monument, tandis que seulement 3 sont trouvées dans la randomisation aléatoire, il est très probable que le concepteur ait intentionnellement intégré ces relations. Notre outil fournit également le calcul de l’écart type de la randomisation aléatoire, ainsi que la valeur P. Lorsque la valeur de votre P-value (probabilité critique) est inférieure à 0,05, cela indique que les relations que vous observez sont significatives. Si la P-value descend encore en dessous de 0,01, cela constitue une indication de significativité très forte.
Avec cet outil, vous pourrez désormais “débunker” l’incontournable Jean-Pierre Adam avec son kiosque à journaux et son kiosque à journaux, ou tout autre pseudo-expert qui prétend qu’il peut retrouver le nombre d’or dans sa salle de bain, tout en qualifiant de numérologie la quête désespérée d’une pizza parfaitement découpée !
Notice :
- Commencez par déterminer le mode : linéaire si vos mesures sont des longueur, surface si vos nombres sont des surfaces, ou volume si vos nombres dont des volumes.2
- Vous devez saisir les nombres en respectant ce format là : 2.48, 2.611, 3.484, 3.666 c’est à dire que chaque nombre est séparé par une virgule et un espace. Si les nombre ne sont pas entier, il faut mettre un point pour séparer l’entier de la valeur décimale.
- Ajustez votre précision en fonction de la précision des mesures initiales, par exemple 99,9 % pour la grande pyramide dont les dimensions sont très précises, puis tester des précisions pouvant aller de 99,95% à 99,7%, voir moins si vos mesures comportent une grande incertitude.
- Sélectionnez le même nombre de nombre aléatoire à générer que le nombre de vos mesures.
- Sélectionnez le nombre d’essais aléatoires : 10 000 est largement suffisant dans un premier temps.
Puis cliquez sur « Calculer » pour avoir le résultat. Vous pourrez ainsi comparer le nombre de relations obtenues avec le hasard.
Analyse des Proportions avec Randomisation
Résultats :
- Pourquoi la précision varie selon le type de mesure (linéaire, surface, volume) ?
Les mesures que nous comparons (linéaires, surfaces, volumes) diffèrent par leur nature géométrique, ce qui influence la manière dont les erreurs ou les précisions se propagent.
Mesures linéaires :
Les mesures linéaires, telles que des longueurs ou des distances, sont directement liées à la précision spécifiée. Par exemple, une précision de 99,5 % s’applique directement à ces relations sans ajustement.
Mesures de surface :
Les surfaces sont des entités bidimensionnelles calculées comme le produit de deux longueurs (longueur × largeur). Par conséquent, une erreur ou une précision de 1 % sur chaque dimension se cumule quadratiquement. Ainsi, une précision de 99.5% sur un rapport entre deux surfaces peut être ajusté à √99,5%, soit 99,749%. Ainsi, pour maintenir une précision équivalente sur les relations calculées à partir de mesures de surface, nous ajustons la précision spécifiée en prenant la racine carrée de la précision.
Mesures de volume :
Les volumes sont tridimensionnels et résultent du produit de trois longueurs (longueur × largeur × hauteur). Une erreur de 1 % sur chaque dimension se cumule cubiquement, donnant une précision totale approximative de racine cubique de la précision. Ainsi, pour maintenir une précision cohérente sur les relations calculées à partir de volumes, nous ajustons la précision spécifiée en prenant la racine cubique de la précision.
↩︎
- a, b) => a + b, 0) / numTrials;
const variance = randomRelationsCounts.reduce((a, b) => a + Math.pow(b - meanRandomRelations, 2), 0) / numTrials;
const stdDev = Math.sqrt(variance);
// Calcul de la p-valeur
const pValue = randomRelationsCounts.filter(count => count >= detectedRelations).length / numTrials;
const pValueString = pValue Statistiques :
Mode sélectionné : ${mode.charAt(0).toUpperCase() + mode.slice(1)}
Précision ajustée pour aléatoires (%) : ${adjustedPrecision.toFixed(6)}
Étendue des rapports (mesures) : ${ratioRange.toFixed(6)}
Plage de précision totale (mesures) : ${totalPrecisionRange.toFixed(6)}
Nombre total de rapports possibles (mesures) : ${(numbers.length * (numbers.length - 1[↩]
Soyez le premier à commenter