L’équipe de France de foot devrait jouer seulement en semaine (ça sauverait des vies)

Il y a quelques semaines, le service de centralisation des statistiques de l’assurance accidents LAA, par l’intermédiaire de Stefan Scholz Odermatt, a publié une étude sur la survenance d’accident automobile les jours de match de foot.

Selon l’étude (mentionnée ici ou ) le nombre d’accidents les jours où il y a match est supérieur aux jours sans match,

Ayant réussi à récupérer une base presque exhaustive d’accidents corporels en France, je peux faire la même étude, entre janvier 2002 et décembre 2007. Les conclusions sont moins flagrantes que sur le cas suisse, en particulier les jours de semaine, où manifestement, personne ne s’intéresse aux matchs (où en tous les cas pas assez pour être moins vigilent au volant).

En revanche, le week end, l’effet devient plus prononcé

avec davantage d’accidents dans la journée où il y a un match de l’équipe de France.

Moralité, l’équipe de France de foot devrait jouer seulement en semaine, à chaque match, cela éviterait une vingtaine d’accidents de la route à chaque fois (et je ne parle que d’accidents corporels, ayant causé des blessures et ayant donné lieu à un constat de police) ! Comme le disait un copain à qui je racontais ça, “l’équipe de France devrait jouer, ça serait un début“…. mais c’est un autre sujet.


3 thoughts on “L’équipe de France de foot devrait jouer seulement en semaine (ça sauverait des vies)”

  1. Ce que j’ai un peu de mal à comprendre, c’est pourquoi la “surmortalité” est plus marquée toute la journée, les matchs ayant généralement lieu le soir. Au moins dans les stats françaises du w.e on trouve un pic en toute fin de journée (~23h), qu’on peut imaginer corrélé aux supporters fêtant trop généreusement la victoire des leurs, mais ce pic ne se retrouve même pas chez les suisses.
    Par ailleurs j’ai du mal à croire que la population de supporters ultra, qu’on peut imaginer comme étant la seule à être surexcitée dès 11h du matin, soit suffisamment nombreuse pour expliquer les 10 bons % de plus qu’il y a en fin de matinée (tjs sur les stats w.e FR)

    REPONSE: pour être honnête, je n’en sais rien, et je doute que cette différence ait un rapport avec le foot…. Bon, je vais voir si je peux me restreindre à une région, et regarder les matchs de l’équipe locale, car malheureusement l’équipe nationale joue trop peu pour vraiment pouvoir maintenir l’interprétation… Même si pour les jours en question, la différence est significative (cf le commentaire précédant). Allez, à suivre donc…

  2. pour répondre à une critique reçue par mail, et qui disait en substance, “c’est bien joli ces dessins” mais “ça manque de rigueur“, et au final ces petits dessins “ne prouvent rien“. Effectivement. Moralité, je vais faire un joli test statistique pour prouver que l’intuition donnée par les graphique n’est pas fausse, ici. Et le plus simple, serait un test d’égalité de moyennes: a-t-on en moyenne plus d’accident les jours de match que les jours sans match ?
    Si l’on compare le nombre d’accidents corporels entre 10 heures et minuit, par jour, les week end, on arrive à 166 accidents par jours s’il n’y a pas de match, et 192, s’il y a un match, ce qui est statistiquement significatif,
    > t.test(COMPTEX,COMPTEY)
            Welch Two Sample t-test
    data:  COMPTEX and COMPTEY
    t = -3.6933, df = 31.57, p-value = 0.0008337
    alternative hypothesis: true difference in means is not equal to 0
    95 percent confidence interval:
     -40.04353 -11.56497
    sample estimates:
    mean of x mean of y
     166.9100  192.7143
    Autrement dit ma conclusion peut être rigoureusement établie: il y a plus d’accidents les jours de match que les jours sans match (le week end). Si on regarde en semaine, on confirme par un test statistique l’intuition que l’on pouvait avoir graphiquement: peu importe qu’il y ait match ou pas, en semaine, on a environ 200 accidents par jour entre 10 heures et minuit
    > t.test(COMPTEX,COMPTEY)
            Welch Two Sample t-test
    data:  COMPTEX and COMPTEY
    t = 0.0424, df = 64.34, p-value = 0.9663
    alternative hypothesis: true difference in means is not equal to 0
    95 percent confidence interval:
     -10.74493  11.21119
    sample estimates:
    mean of x mean of y
     209.0109  208.7778
    Et cela étant dit, je revendique le droit à faire des stats sur un mode humoristique, sans pour autant perdre en rigueur… même si en l’occurrence, le billet est là pour montrer qu’on peut dire n’importe quoi avec une série de chiffres, tout en restant statistiquement juste…

Leave a Reply

Your email address will not be published. Required fields are marked *