Modèle numérique pour calculer le taux de MG ?

[EMuscleSe]

Bonjour,

je me présente, je suis un étudiant en grande école d'ingénieur spécialisé en mathématiques appliquées. Je ne suis pas là pour partager mon expertise en musculation. Mon niveau bien que décent ne saurait rivaliser avec ceux de la team Super-Physique. Cependant, force est de remarquer que des choses commes les formules donnant nos perfs sur des exos selon un nombre de répétitions est moyen. Celles pour le métabolisme basal ou encore des formules permettant d'estimer le body-fat ne sont souvent pas satisfaisantes. Loin de moi l'idée de proposer des modèles qui remplacerait l'expertise d'un professionel, mais si je dispose de données suffisantes sur un grand nombre de participants honnêtes sur leurs perfs, diète de maintien ou autre données qu'il pourrait être intéressante d'inspecter, nul doute que je pourrai construire des modèles numériques plus précis que ceux dont on dispose pour le moment.

J'aimerai voir si l'idée/le projet intéresse des gens. Si oui, il faudrait discuter de ce que vous voudriez prédire (body-fat, perfs max ect...) et alors un tableur excel ouvert à tous les pratiquants surs de leurs données et honnêtes me permettrait de construire des modèles de prédiction sur les données qui intéresserait les participants. A discuter donc. Je serai ravi de vous expliquer comment ce que je propose peut marcher (c'est ce qu'on appelle la data science et le machine learning).
Je suis ouvert à toute idée de chose à prédire, sachez que tout ce qui est mesurable en donnée peut être prédit à une précision près (elle même aussi quantifiable).

Cordialement,

Un élève ingénieur de l'école des Mines

[pierrebouttier]

Bonjour,

C'est une bonne idée mais ça me semble compliqué d'avoir un échantillon représentatif à chaque fois.
Le problème est que les individus sont différents, mangent différemment, et s’entraînent différemment.

Mettons qu'on prenne un panel de 10 000 personnes, ce qui serait déjà exceptionnel, il faudrait savoir sur chacun un nombre de critères énorme :
- age
- le nombre d'années de pratique en général, et sur l'exercice, s'il est technique
- le programme exact, si on table sur tel exercice, il faut voir ce qui a été fait avant dans la séance et dans les dernières séances (pour la récupération, etc)
- l'alimentation, en restriction calorique, en surplus, en maintien ?
- les leviers osseux
- l'amplitude
- le type d'entrainement : avec cycle, en dilettante, en power, à l'échec à chaque fois, ... ?
- si la récupération est bonne, ou pas

Je ne dit pas que ce n'est pas faisable, mais si on veux isoler précisément un résultat, il faut des critères comparables d'un individus à l'autre. Si on découpe l'échantillon global en sous échantillons comparable, il va pas y avoir grand monde dans chaque groupe.

Les études en musculation ont le même problème (en plus d'avoir des protocoles douteux), ce qui fait qu'on ne les considèrent pas avec sérieux la plupart du temps.

Le problème pourrait être résolu en ayant un questionnaire précis et un échantillon énorme dans l'absolu, mais bonne chance pour réunir les deux critères

Pour l'échantillon, la seule manière (je pense) c'est de récupérer les données d'une application de suivi. Il y en a des très grosses, je pense qu'il faut plus tabler là dessus (en n'oubliant pas que les personnes qui notent leurs entraînements sont eux même un groupe particulier, très réduit).

[EMuscleSe]

"C'est une bonne idée mais ça me semble compliqué d'avoir un échantillon représentatif à chaque fois."

Je suis d'accord. C'est en cela que la loi des grands nombres intervient pour converger vers une valeur moyenne robuste grâce à un grand nombre de données, dans le monde idéal des mathématiques théoriques, 30 données suffisent mais je te l'accorde c'est théorique (l'incertitude se quantifie tout de même).

"il faudrait savoir sur chacun un nombre de critères énorme"
Pas forcément, en effet la création d'un modèle super complexe avec beaucoup trop de paramètres est susceptible de donner n'importe quoi (phénomène d'overfitting). Le but étant de créer un modèle numérique robuste qui ne prétend pas donner la vérité parfaite de chaque pratiquant mais de meilleurs estimations que les modèles physique du passé.
Il faut alors déterminer les critères significatifs au sens statistique, l'expertise d'un professionel et d'un mathématicien sont nécessaire, et je ne dispose peut-être de trop peu d'expertise sur le premier point à mon sens.
Un exemple pour la perf sur un exercice :
les critères comme :
- le nombre d'années de pratique en général, et sur l'exercice, s'il est technique
- les leviers osseux
- récupération
peuvent etre considéré comme du bruit numérique. Notre but étant de trouver une loi moyenne, en prenant un échantillon assez grand de personnes représentant la diversité au niveau des années de pratique, forme du moment et leviers, ce bruit se dissipera et l'on convergera vers la valeur "représentative".

"Si on découpe l'échantillon global en sous échantillons comparable, il va pas y avoir grand monde dans chaque groupe."

Le but n'est pas de faire des comparatifs en "double aveugle", qui est le modèle standard de l'expérimentation en médecine, mais de faire un étude statistique qui représente au mieux le plus grand nombre.

"récupérer les données d'une application de suivi"

Je suis d'accord sur cette idée, cependant, les problèmes de confidentialité sont un premier frein, de plus, les de données abérrantes rentrées par certaines personnes (ne sont pas un problème au sens de la loi des grands nombres, néanmoins, elles demandent beaucoup de travail supplémentaires et beaucoup plus d'amas de données qui si on en a qui sont rentrées par des personnes de confiance).

Voilà pour tout cela, merci d'avoir pris le temps de répondre, ce projet n'est qu'une suggestion si cela intéresse Super-Physique bien entendu.

[Fabrice SP]

Salut,

Nous avons déjà tout fait cela ici :
- Musculation : êtes-vous fort ?
- Taux de masse grasse
- Mensurations idéales sans dopage

Je doute que tu arrives à faire bcp mieux, simplement car ce n'est conceptuellement pas possible.

[AMZ]

nul doute que je pourrai construire des modèles numériques plus précis que ceux dont on dispose pour le moment.

J'aimerai voir si l'idée/le projet intéresse des gens. Si oui, il faudrait discuter de ce que vous voudriez prédire (body-fat, perfs max ect...)

Bonjour.

Je te trouve bien sûr de toi. Tu prétends "sans aucun doute" faire mieux que ce qui est déjà fait mais tu n'as même pas de direction précise (tu demandes aux gens de t'aiguiller, c'est donc que tu n'as pas déjà poussé à fond un sujet).

Je suis ouvert à toute idée de chose à prédire, sachez que tout ce qui est mesurable en donnée peut être prédit à une précision près (elle même aussi quantifiable).

Merci de vouloir nous apporter la lumière, mais ceci est absolument faux. Dans le domaine du biologique/physiologique, il y a trop de paramètres et de biais qu'on ne connaît même pas et on doit malheureusement se contenter de calculs et de formules relativement approximatives.

On a vu les limites des modèles mathématiques prédictifs avec les épidémies de ces dernières décennies notamment. Je sais que tu parlais de musculation en venant ici mais ta dernière phrase ne délimite pas le sujet à ce sport, d'où ma remarque.