L'expression "linearly weighted" est un adjectif, souvent utilisée dans un contexte mathématique ou scientifique.
/lɪnɪrli ˈweɪtɪd/
"Linearly weighted" désigne une méthode d'évaluation ou d'analyse où chaque élément d'un ensemble est multiplié par un coefficient de poids, et les valeurs sont agencées de manière linéaire. Cette expression est souvent utilisée dans des contextes mathématiques, statistiques, économiques et d’analyse de données. On l’emploie dans des discussions relatives à la modélisation de données, l'optimisation et l'évaluation de performances.
Cette expression est davantage utilisée dans un contexte écrit, notamment dans des articles de recherche, des manuels et des rapports techniques.
Les données ont été analysées en utilisant une approche pondérée linéairement pour garantir des résultats précis.
When constructing the model, we applied a linearly weighted function to reflect the importance of each variable.
"Linearly weighted" n'est pas fréquemment utilisé dans des expressions idiomatiques courantes. Cependant, il peut être intégré dans des contextes spécialisés, comme dans les méthodes statistiques ou les analyses. Voici quelques phrases illustratives :
Un système de notation pondéré linéairement a été développé pour fournir de meilleures perspectives sur les performances de l'équipe.
The results showed that the linearly weighted factors significantly influenced the outcome of the experiment.
L'adjectif "linear" vient du latin "linearis", qui signifie “de la ligne”. Le terme "weight" vient du vieil anglais "wite", signifiant "poids" ou "pression". Ensemble, "linearly weighted" se réfère à une approche où chaque facteur est proportionnel à son poids attribué dans une relation linéaire.
Synonymes : - Weighted average (moyenne pondérée) - Proportionally weighted (pondéré proportionnellement)
Antonymes : - Non-weighted (non pondéré) - Equally weighted (pondéré de manière égale)
C'est un terme mathématique très spécifique, utilisé dans un cadre technique ; sa compréhension nécessite souvent une connaissance préalable des concepts de pondération et d'analyse des données.