C'est très simple.
Tu confonds un problème d'estimation des paramètres d'une loi et un problème d'interpolation linéaire.
Dans le premier cas, tu connais un point (6,9) et tu présupposes une loi
f(x) = a*x. Tu as donc un paramètre et comme tu as un point tu peux l'estimer
a = f(x)/x.
Si la loi que tu as présupposer (sans autre preuve que le bon sens) est bonne
tu peux alors l'appliquer en tout point x.
Dans le deuxième cas tu as deux points (0,0) et (6,9). Tu n'as pas d'idées a priori de la fonction qui a générer ces deux points mais tu a quelques a priori sur les propriétés de la fonctions notamment un a apriori fort qui est celui de la continuité. N'ayant que deux points, le mieux que tu puisses faire
c'est une interpolation linéaire.
Si la fonction "mystère" est assez lisse | f'(x) | < e pour tout 0<x<6, tu as même des garanties quant au fait que l'erreur sur l'estimation obtnenue par interpolation linéaire est bornée. Par contre plus l'échantillonnage est fin, plus e peut être grand. Ce la correspond intuitivement au fait que si ta fonction oscille beaucoup il faut un échantillonnage fin pour que l'erreur d'approximation reste faible.
Au passage, l'interpolation linéaire et à la base de toute l'analyse (la discipline). Pense à la définition de la dérivée:
f'(x) = lim_{x1 -> x} (f(x1) - f(x))/(x1-x)
Intuitivement, tu prends un point en x et un autre en x1 et tu considère la pente de la droite joignant les deux points. Le dérivée correspond à cette pente lorsque x1 devient infiniment proche de x.
Dans les méthodes d'intégration numériques comme la méthode des trapèzes, l'interpolation linéaire est utilisée pour approchée la fonction à intégrer. Encore une fois, la qualité de l'approximation de l'intégrale dépends grandement des propriétés locales de la fonction. En effet si la fonction évolue plus vite que le pas d'échantillonnage, appliquer la méthode des trapèze n'a pas de sens.
En fait tu t'éloignes de la notion d'interpolation qui n'utilises que des propriétés locales (quelques points de part et d'autre de la zone à approcher)Un petit exemple : prends quelques points de données sur un intervalle de R, à valeurs dans [-K,K], issus de la fonction ayant les bonnes propriétés de ton choix.
Tu peux faire passer par ces points une fonction sinus, f(x)=K sin(ax) (continue, dérivable, dérivées bornées, valeurs dans un compact, rien que de bonnes propriétés), avec un seul degré de liberté, la période du sinus (tu n'as pas besoin de phase si tu interdis l'abscisse 0 à tes données)
En fait, tu peux interpoler tes points (quel qu'en soit le nombre) par une infinité de fonctions sinus, en augmentant leur fréquence jusqu'à obtenir une sorte de "gribouillage" du segment.
Ces fonctions sont assez différentes les unes des autres. Es tu bien sur que ces interpolations ne s'éloignent pas trop de la fonction d'origine? Ou peut être doit on disqualifier le sinus comme interpolant...
pour te rapprocher d'un problème d'estimation de modèle où le nombre de paramètre correspond exactement au nombre de contraintes (pas de sur-détermination). Dans ce cas, il il est fort probable que le résultat n'ait pas de sens. Notamment, tu n'est pas sur de pouvoir garantir des contraintes sur le caractère lisse où non de la dérivée de la fonction (dérivée bornée). C'est pour la même raisons que lorsque l'on a n points à interpoler
on préfère utiliser un modèle quadratique par morceaux (parabole estimée sur trois points consécutifs) plutôt qu'un seul polynôme de degré n-1.
Non mais parce que tu sors du cadre où l'interpolation devient valable, l'intervalle entre les points d'interpolation est trop grand par rapport aux valeurs que peut prendre la dérivée.Prends maintenant l'exemple inverse: une fonction inconnue y=sin(ax), continue, dérivable, régulière... Prèlèves y quelques points de données provenant de cycles éloignés les uns des autres. En fonction du nombre, tu vas pouvoir y faire passer une belle droite, une parabole bien lisse, ou des splines qui auront fière allure.
Le résultat sera-t-il voisin de la fonction de départ?
C'est exactement le même problème lorsque tu choisis d'estimer les paramètres d'un modèle sur des points qui n'ont rien à voir avec ton modèle. Tu sors du domaine de validité de ton modèle.
La différences entre les deux cas c'est que dans un cas (interpolation) tu te bases sur des propriétés locales de la fonction, alors que dans l'autre tu utilises des propriétés globales (fonctions paramétrées).
Ici il ne s'agit pas d'une interpolation. Comme pour le problème des œufs, il s'agit d'appliquer une loi de proportionnalité estimée à partir d'un point. Celui-ci n'étant pas entaché d'erreur, il est suffisant pour estimer l'unique paramètre de la loi connue.Quand tu quittes un appartement, et que tu répartis les charges au prorata temporis, la formule n'a aucun sens: les charges ne sont pas linéaires, voire certaines ne sont calculées qu'une fois l'an (impots locaux). On n'approxime pas une fonction inconnue, mais on fait une interpolation.
C'est exactement ça. Et il semble en effet que ce soit le point de départ de nos divergences d'opinions. C'est une bonne nouvelle car nous savons maintenant quel point il faut éclaircir. Tout le reste de la discussion (animée) en découle, me semble-t-il.Tu considères apparemment que l'interpolation est une forme d'approximation, dans le sens où si on interpole, c'est forcément pour approcher une fonction inconnue.
Trois possibilités:Ca me parait erroné pour deux raisons:
- d'abord parce qu'il y a toutes sortes de cas où le but n'est pas d'approcher une fonction mais d'obtenir une valeur
1) Tu as deux points et tu sais qu'ils sont liés par une fonction linéaire, tu profite de cette connaissance a priori pour estimer les paramètres de la loi et tu peux ensuite l'appliquer en tout point où tu la supposes valable.
2) Tu ne sais pas quelle loi a généré les points mais tu fais des suppositions
concernant les propriétés de cette loi: elle doit être continue, et son gradient est de magnitude bornée. Alors tu sais qu'en interpolant linéairement entre ces deux points tu ne t'éloigneras pas trop de la fonction de départ et tu peux donner une borne sur l'erreur que tu commets.
3) Tu n'as aucun a priori sur la fonction. Dans ce cas tu ne peux rien faire.
Si, elle garantie des bornes sur l'erreur d'approximation tant que les hypothèse que tu utilises sur les propriétés de la fonction tiennent.- ensuite parce que dans ce contexte, l'interpolation serait à proscrire, parce qu'elle ne garantit rien en terme d'approximation de la fonction sous jacente (si ce n'est l'égalité des valeurs aux points d'interpolation...)
Partager