Académique Documents
Professionnel Documents
Culture Documents
Mathieu ROUAUD
Professeur Agrg de Sciences Physiques
en classes prparatoires aux grandes coles
d'ingnieurs.
Diplm en Physique Thorique.
Vous pouvez reproduire et partager ce livre librement
condition de citer l'auteur et de ne pas en faire d'usage commercial.
Mais pas de libert sans solidarit. Merci de soutenir mon travail de
publication en achetant le livre ou en faisant un don. Je pourrais
ainsi crire d'autres livres que j'ai en projet. Merci pour votre intrt
port pour le livre et bonne lecture !
de modifier cette
cration .
Auto-dition
ISBN 978-2-9549309-0-9
Ouvrage bas sur les deux premiers chapitres prolongs et augments du livre
Probabilits, statistiques et analyses multicritres.
Avant-propos
Cet ouvrage se veut accessible et pdagogique. Il
est le fruit d'interrogations personnelles sur la nature
probabiliste des mesures en sciences. Dans un cursus
classique ces aspects ne sont pas, ou peu, abords. Il est
important que les fondements exprimentaux et pratiques
des sciences soient complmentaires d'une science au
tableau en cours magistraux. Il existe une beaut
scientifique qui nat de l'interaction entre la thorie et
l'exprience.
Tout en introduisant les principes fondamentaux
de la statistique, cet ouvrage explique comment
dterminer les incertitudes dans diffrentes situations
exprimentales. Beaucoup d'exemples sont issus de cours
et travaux pratiques raliss en math sup.
Bonne lecture !
Remerciements :
Je remercie ric NOIZET (professeur Agrg de Chimie
en prpa) et Grgoire BONNET (ingnieur charpentier)
pour leurs multiples apports la clart pdagogique de
l'ouvrage. Un grand merci Reine pour sa relecture
prcise et consciencieuse. Pleins de mercis, Aurlien
SEMACH (tudiant) et, aux enseignants de sciencesphysiques Franoise MARCADET (pour ses contributions en mtrologie) et Julien BONVALET.
Merci la vie et tous ceux qui m'ont prcd.
F. Distribution de Gauss............................................18
1) Dfinition d'une distribution continue......................18
2) Courbe de Gauss.......................................................19
3) Loi normale standard................................................21
G. Test d'hypothse....................................................22
H. Test du Khi-deux..................................................24
I. Sources des incertitudes.........................................27
J. Exercices................................................................31
II. CORRLATIONS ET INDPENDANCES..............40
A. Coefficient de corrlation.....................................40
B. Formule de propagation des incertitudes..............45
1) Formule de propagation des cart-types...................45
2) Calcul d'incertitude...................................................46
C. Rgression linaire................................................51
1) Principe et formules..................................................51
2) Dtermination du zro absolu...................................55
3) Rgression avec barres d'erreurs...............................57
4) Linarisation.............................................................60
D. Rgression gnralise..........................................68
1) Principe....................................................................68
2) Rgression polynomiale...........................................70
3) Rgression non linaire............................................73
E. Exercices ..............................................................79
III. COMPLMENTS.....................................................93
A. Mesure avec une rgle..........................................93
B. Mtrologie...........................................................105
C. Thermodynamique..............................................113
D. Indpendance des variables................................119
IV. DEVOIRS...............................................................121
A. Devoir Suricate...................................................121
B. Devoir Narval......................................................124
V. TRAVAUX PRATIQUES........................................128
A. Mesure d'un indice lumineux..............................128
B. Le miroir sphrique.............................................132
C. Relation de conjugaison d'une lentille................135
D. Dioptres et lentilles minces sphriques...............137
VI. OUTILS MATHMATIQUES...............................139
VII. CORRECTIONS....................................................142
VIII. Bibliographie / Sources / Logiciels / Illustrations 181
IX. TABLES / Index.....................................................186
A. Coefficients de Student.......................................186
B. Valeurs critiques de Khi-deux.............................187
I. VARIABLE ALATOIRE
A. Grandeurs et mesures
Soit X une variable alatoire et n ralisations {x i}
de cette variable.
Nous pouvons simplement estimer une grandeur
classique : par exemple, combien y-a-t-il de jours dans
une semaine ? La rponse est sans ambigut. Par contre
pour une grandeur statistique l'approche est plus subtile.
Imaginons des tudiants qui font des expriences de
calorimtrie pour mesurer la capacit thermique de l'eau1.
Les diffrents groupes mesurent les valeurs suivantes :
{5100; 4230; 3750; 4560; 3980} J/K/kg. Que vaut alors la
capacit ? Nous donnerons dans ce chapitre une rponse
cette question. Elle sera de nature probabiliste.
x =
x 1 x 2...x i...x n
n
soit
xi
x =
i=1
51004230375045603980
=4324 J / K / kg
5
x
n
s=
x i x 2
i=1
n1
soit
s c 530 J / K / kg
D. Exemples de distributions
Cas 1 :
x1
11
9
10
14
11
8
9
12
7
8
8
9
11
14
10
9
6
5
4
frquences
x11
x12
x13
x14
x15
x16
x17
x18
x19
x110
x111
x112
x113
x114
x115
x116
3
2
1
0
7
10 11 12 13 14 15 16 17 18 19
x1
moyenne = 10
mode= 9
mdiane= 9,5
cart-type= 2,07
tendue= 7
cart quadratique moyen= 2,00
Cas 2 :
x2
15
13
12
13
14
13
16
19
13
14
10
16
14
15
13
14
6
5
4
frquences
x21
x22
x23
x24
x25
x26
x27
x28
x29
x210
x211
x212
x213
x214
x215
x216
3
2
1
0
7
10
11
12
13
14
15
16
17
18
19
x2
moyenne = 14
mode= 13
mdiane= 14
cart-type= 2,00
tendue= 9
cart quadratique moyen= 1,94
Cas 3 :
x3
10
10
12
11
9
8
10
9
9
11
9
11
10
10
11
10
6
5
4
frquences
x31
x32
x33
x34
x35
x36
x37
x38
x39
x310
x311
x312
x313
x314
x315
x316
3
2
1
0
7
10
11
12
13
14
15
16
17
18
19
x3
moyenne = 10
mode= 10
mdiane= 10
cart-type= 1,03
tendue= 4
cart quadratique moyen= 1,00
f ix i
i=1
x =
=
i=1
fi
x
n i
s=
f i x i x 2
i =1
n1
MATH
11
=x t
s
n
s
n
x= x x avec x=t
MATH
12
4) Exemples
Concrtement un grand nombres de facteurs ala
toires vont influer sur la mesure d'une grandeur, facteurs
indpendants, qui, quelque soient leurs natures vont au fi
nal gnrer une distribution gaussienne des valeurs. Pre
nons deux exemples, le lancer de pices et celui de ds
six faces.
Pour les pices nous comptons le nombre de piles
chaque lancer de plusieurs pices. Nous dnombrons le
nombre de possibilits pour un nombre de piles donn.
Pour une pice, une possibilit pour zro pile (face, F) et
une possibilit pour un pile (P). Pour deux pices, une
possibilit pour zro pile (F F), deux possibilits pour un
pile (F P ou P F) et une possibilit pour deux piles (P P).
Plus le nombres de pices lances simultanment est
grand, plus nous tendons vers une distribution gaussienne.
une
pice
deux
pices
14
trois
pices
quatre
pices
2
1
0
0
12
25
10
20
15
cinq
pices
10
six
pices
2
0
0 1 2 3 4 5
5
0
0 1 2 3 4 5 6
15
un d :
0
1
deux ds :
1
0
2
10
11
12
30
25
20
15
10
trois ds :
5
0
3
16
10 11 12 13 14 15 16 17 18
quatre
20
ds :
0
4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
p x d'o
2
et
x 1,71
17
F. Distribution de Gauss
1) Dfinition d'une distribution continue
Il existe des grandeurs fondamentalement conti
nues. Le temps en est une. Le temps s'coule continment
tel un fluide, il ne saute pas d'une valeur l'autre. S'il
semble parfois grainer les secondes, comme les perles
d'un chapelet, cela n'est d qu' l'appareil de mesure insuf
fisamment prcis. Par contre quand nous lanons un d
six faces, impossible de dire "j'ai fait 2,35 !", c'est une va
leur interdite, seules les valeurs entires de un six sont
permises.
Ainsi, certaines distributions de probabilit sont
discrtes et d'autres continues. Pour le lancer de ds la
n=6
pi =1 . Le
i=1
p x dx=1
x=
= xp x dx
2 = x2 p x dx
2) Courbe de Gauss
Le thorme central limite s'intresse au cas o la
taille de l'chantillon n est grande, et dans le cas limite o
n tend vers l'infini nous considrons une distribution
continue. Celle-ci est une gaussienne, l'expression math
matique est connue :
p x =
1
e
2
1 x
2
19
p x dx =0,683...68 %
20
p x dx =0,954 ...95 %
p x dx=0,997...99 %
21
x
z=
d'o :
1 2
p z =
e
2
G. Test d'hypothse
Nous voulons vrifier une hypothse H. La valeur
correspondant la grandeur X est suppose gale xH. Si
22
cant.
L'hypothse peut aussi tre dissymtrique et nous ne
considrons alors qu'une des deux parties de la queue de
distribution : par exemple, la charge maximale d'un ascen
seur est de 300 kg, la masse totale des occupants est de
28010 kg . Quelle est la probabilit d'tre en sur
charge ? 25 chances sur mille.
H. Test du Khi-deux
Il s'agit d'un test d'hypothse simple bas sur les
diffrences entre les effectifs observs et ceux esprs :
Effectifs observs :
O1
O2
...
Oj
...
Oc
Effectifs esprs :
E1
E2
...
Ej
...
Ec
O j E j 2
=
Ej
j =1
2
(nomm "khi-deux")
Nous avons ensuite une table (page 187) qui permet d'es
timer la probabilit que l'hypothse soit juste. Suivant
la valeur de 2 et le nombre de degrs de libert nous
dterminons la justesse de l'hypothse.
24
Effectifs observs :
270
240
490
Effectifs esprs :
250
250
500
d'o
270 2502 240 2502 490 5002
2,2 et
250
250
500
ddl=31=2 .
2=
25
Effectifs observs :
O 11 O 12
O 21 O 22
...
...
O i1 ...
...
...
O l 1 ...
... O 1 j
... ...
... ...
... O i j
... ...
... ...
... O 1c
... ...
... ...
... ...
... ...
... O l c
Effectifs esprs :
E 11 E 12
E 21 E 2 2
...
...
E i1 ...
...
...
E l1 ...
... E 1 j
... ...
... ...
... E i j
... ...
... ...
... E 1c
... ...
... ...
... ...
... ...
... E l c
O Ei j
= i j
Ei j
i , j
26
28
29
= 1 2 3 ...
2
30
J. Exercices
Exercice 1 : ges
corrig p142
corrig p142
corrig p142
cart moyen = x i x / n =
31
x x / n
2
corrig p143
Exercice 5 : Devoir
corrig p143
13
10
15
15
12
11
13
11
10
15
11
11
12
10
18
32
Exercice 6 : Yams
corrig p144
Exercice 7 : Pices
corrig p145
33
Exercice 7 : Parit
corrig p145
Femmes
Assemble nationale
470
107
Snat
272
76
10
Conseil constitutionnel
Exercice 9 : Naissances
corrig p145
34
Thorie
f x , y dxdy= f x f y dxdy= f x dx f y dy
Passage en coordonnes polaires :
2= x2 y2 et dxdy=2 d (symtrie par rotation)
1- Quelle est l'expression de p x , y ? Montrez que
35
p x , y dx dy= p
d .
Gaussienne tridimensionnelle :
Soit la loi de probabilit qui gnralise une gaussienne
trois dimensions suivante :
p x , y , z= p x p y p z avec p x , p y et p z
des lois normales centres et rduites.
36
Aides :
Nous avons avec les intgrales triples les mmes
conditions de sparation des variables qu'avec les
intgrales doubles.
Passage en coordonnes sphriques :
r 2 =x 2 y 2z 2 et dx dy dz=4 r 2 dr
(symtrie sphrique)
1- Quelle est l'expression de p x , y , z ? Exprimez
p r dfinie tel que :
p x , y , zdx dy dz= p rdr .
p r est la densit de probabilit par rapport r.
p r dr correspond la probabilit d'un vnement
d'tre entre r et r+dr.
37
Gaussienne
1D
Distance
l'origine
Moyenne
2D
3D
cart-types
68,3%
1-1/e=63,2%
60,8%
P 2
95,4%
98,2%
99,3%
P 3
99,7%
99,988%
99,9994%
=MOYENNE(*)
carr : *^2
=ECARTYPE(*)
38
39
II. CORRLATIONS ET
INDPENDANCES
Au chapitre prcdent nous n'avions qu'une gran
deur alatoire X avec ses n ralisations {xi}. Maintenant
nous avons plusieurs grandeurs et un nouvel indice per
met de les distinguer : Xj et ses mesures {xjk}. Xj est la jme
grandeur et xjk est la kme observation de cette grandeur.
Nous allons nous intresser aux interactions entre diff
rentes grandeurs.
Pour illustrer, considrons un chantillon de quatre
individus qui possdent trois caractristiques, la taille X1,
le poids X2 et le mois de naissance X3. A priori, nous nous
attendons une corrlation entre la taille et le poids : plus
on est grand plus on a, en gnral, une masse importante
(corrlation positive). Par contre, nous pouvons penser
que le mois de naissance n'a aucune incidence sur le poids
et la taille (X3 non corrle avec X1 et X2).
A. Coefficient de corrlation
Le coefficient de corrlation r permet d'identifier
s'il y a une relation linaire entre deux variables Xi et Xj :
[ x i k xi x j k xj ]
r ij =
[ x
ik
[ x
xi 2]
40
jk
xj 2 ]
X1
X2 X3
(cm) (kg)
x 1 x1
x 2 x2
160 64
-15
-11
-2
225
170 66
-5
-9
25
180 84
25
190 86
15
11
-3
225
x 175 75
x1 x1
500
x2 x2
x3 x3
x1 x1
x1 x1
x 2 x2
. x 2 x2
. x 3 x3
. x 3 x3
121
165
30
22
81
45
-10
-18
81
45
15
27
121
165
-45
-33
404
26
420
-10
-2
41
420
0,93 , r 130,09 et
500 404
r 230,02 .
r12 est proche de +1, nous avons donc une corrlation
positive importante. r13 et r23 sont proches de zro : X3 est
indpendante de X1 et X2 :
d'o : r 12=
42
43
44
f x1 , x2 , ... , x j ,... , x p
A chacune de ces variables alatoires est associe une va
leur moyenne xj et et un cart-type j .
Que valent f et f ?
=
j=1
f 2 2
j
xj
45
2) Calcul d'incertitude
Pour les incertitudes (dfinies page 12) nous avons aussi
une formule de propagation :
[ ]
2
f =
j =1
f
2
xj
xj
M = m j
avec
j =1
M 2 = M / m j m j 2
j=1
M / m j= m1 / m j... m j / m j ...m p / m j
M / m j=0...1...0=1
(les calculs de drives partielles sont expliqus page 140)
46
alors
M =
12 m 2
j=1
: une combinaison linaire de grandeurs gaussiennes est ellemme gaussienne (s'applique ici une somme). Et dans la
formule de propagation des incertitudes, si f et les xi ont des lois
de probabilits de mme nature, la formule est tout aussi exacte
que la formule de propagation des cart-types.
MATH
47
Pour des
sommes
ou des
diffrences
les
f 2= x j 2
j=1
p
xj
f
=
f
xj
j=1
chapitre. Un tableur peut permettre de faire automatiquement les calculs (par exemple feuille 4 du tableur
IncertitudesLibres sur www.incertitudes.fr).
On peut aussi donner des mthodes qui donnent des ides
gnrales sur l'incertitude. Elles dveloppent une certaine
intuition mais il y a un risque de se tromper.
Par exemple comme les incertitudes s'ajoutent au carr,
on peut considrer que l'incertitude la plus grande va
l'emporter rapidement sur les autres. Dans l'exemple o
R=U/I si U est connu 1% et I 0,1% alors R est connu
1,005%1%, on peut ngliger l'incertitude sur I.
Pour des sommes ou des diffrences, on considre parfois
que le terme qui a le dernier chiffre significatif le moins
prcis indique la prcision du dernier chiffre significatif
du rsultat. Mais sur notre exemple de la masse du seau
rempli de grains de sable, a ne marche pas : la masse
d'un grain est m = 10 mg or la masse du seau M est
connue au gramme et non au milligramme !
Pour les produits ou des quotients, on considre parfois
que le facteur qui a le nombre de chiffres significatifs le
plus faible indique le nombre de chiffres significatifs du
49
50
C. Rgression linaire
Si maintenant nous avons deux variables corrles
nous pourrions vouloir dterminer la relation la plus adap
te entre elles. Les variables alatoires seront nommes X
et Y et nous chercherons la droite qui passe au mieux par
le nuage de points y(x). Par exemple, quelle est la relation
la mieux adapte entre la taille X et le poids Y dans notre
exemple initial : y=axb ? Quelles sont les incerti
tudes a et b ?
1) Principe et formules
51
d 2 = y i y i 2
i
y ia x ib=0
i
a=
x y x y
x 2 x 2
b= y a x .
et
pour la pente
s r=
s a=
ei 2
n2
sr
x x
i
11 Dmonstrations p90.
52
s b=s r
x i2
2
n x i x
Puis a=t n2 s a et
b =t n2 s b .
d'o :
Poids=0,840,66Taille72116 90%.
x o x 2
1
n x i x 2
x o x 2
1
1
n xi x 2
55
heure
10h
15
10h
30
52,9
10h
40
47,8
10h
55
42,4
temprature
(C)
19,8
36,2
33,5
30,2
pression
P (hPa)
56
w i e i2
i
avec
w i=
1
y i a x i 2
2
Formules [i] :
S 2 = wi [ y i a x i b]2
i
S 2
S 2
=0
=0 et
b
a
conduit :
b =
wi y i w i xi2
wi x i
w i xi y i
et
a =
wi wi x i y i
wi x i w i y i
avec
=
wi wi x2i
wi x i
puis
b =
wi x2i
et
a =
59
wi
4) Linarisation
Dans de nombreux cas nous pouvons nous ramener un
modle linaire (ici au sens y=a xb ). Nous donnons
quelques exemples ci-dessous :
y= x
x , y ,0
y= e x
x ,0
y ' =ln y
y=
1
x
y'=
y=
e x
(loi logis x
tique)
1e
y ' =ln
y=1
y=1e
(loi de
Pareto)
y=e x
y=
x
x
y= x x 2
1
y
y
1 y
y ' = x
y ' =ln 1 y
x ' =ln x
=a
=e
(loi de Weibull)
x ' =x
y ' =ln ln
b
a
1 y
x ' =ln x
=a
non linarisable
non linarisable
non linarisable selon y(x)
60
=e
b
a
a) Rsum
1- Rgression simple
sa=
sr
x x
yi yi 2
i
n2
sb =
x2
sr
xi x2
Cas 2 : a=5
b=5
sy=2,55
sa=0,482
sb=2,16
sa=
sy
x x
sb =
62
x2
sy
xi x 2
sa=0,482
sb=2,16
s a 2=
i
a
s 2
yi y
i
et
s b2 =
i
b
s 2
yi y
i
1
w i x x2
b=
x2
x x 2
2
w i=
1
y2
i
b=5,14
sa=0,695
sb=3,16
s a =
2
a
s i2
yi
s b =
2
et
b
s i2
yi
wi
b =
wi x2i
w i=
1
y a 2 x 2
2
b) Discussion
Cas 5 : a=5
b=5
sa=0,696
sb=3,16
s a 0,695
donne
a
si 2 et
yi
a
a
= lim
y j y 0 y j
j
66
j=1
a
yj
-0,093
j=2
j=3
j=4
j=5
j=6
j=7
0,080
0,105
-0,096
j=2
j=3
j=4
j=5
j=6
j=7
0,122
0,147
67
D. Rgression gnralise
Nous gnralisons la mthode des moindres carrs
pondrs pour une fonction et une dpendance des
paramtres non linaires. Bien que la rgression multiple
ait des dveloppements analogues elle n'est pas traite
dans cet ouvrage [x].
1) Principe
68
V y i f x i =V y i V f x i
d'o : S 2= w i y i f x i2
i
avec w i=
1
y f ' x i 2 x 2
i
Ensuite
13
S2
=0 permet de dterminer les paramtres ak
ak
69
sr =
yi f xi 2
n p
2) Rgression polynomiale
Dans ce cas :
m
f x =a 0a1 xa 2 x 2...a m x m= a i x i
i=0
a1
a2
4
0,6157
0,5892
0,5685
0,5152
0,4981
1,71276
1,71578
1,71852
1,72716
1,73060
70
f (x)=a0 +a1 x+ a2 x
avec
f =n ,
S 2= y i a0 a 1 x i a 2 x i22 et
donne :
x2
x3
x4
x
x2
x3
S 2 / a k =0
2
ya oa 1 x a 2 x =0
x y ao xa1 x2 a 2 x 3=0
x 2 yao x 2a 1 x 3a 2 x 4 =0
2
x=1 / .
a0
A= a 1
a2
et
y
B= x y .
2
x y
1 3,3 11
H 3,3 11 38
11 38 135
1,7
B 5,7
19
4150
1
, H 2530
376
2530 376
1546 230
230 34,3
1,68129
1
d'o A=H B 0,01135 .
0,00022
71
yi f xi 2
n3
H 1 kk
wi
, d'o :
a0=1,68130,0012 , a1=(1,140,07).10-2 m2
et a2=(2,21,0).10-4 m4
a0
Estims 1,5
a1
a2
0,005
0,0001
1,681282848208
0,011350379724
0,000219632215
1,681269875466
0,011358254795
0,000218466771
...
H 1 kk
, d'o :
wi
a0=1,68130,0013 , a1=(1,140,08).10-2 m2
et a2=(2,21,2).10-4 m4
73
S 2 = wi y i f i 2
et
S2
f
=2 w i
y f i =0
ak
ak i
i=1
f xi ;
a0
a0 = f x i ;
a0 a 0 l
l =1
f x i ; a
al
a0l
wi af
ainsi
et
wi af
i
f
a l
yi f 0, i
l
a0l
0,i
y i f 0, i = w i
i ,l
f
al
0,i
a 0l =0
f f
a
a k al 0 l .
f
Nous posons H k ,l = w i a
i
k
B k = wi
i
f
=H l , k ,
al i
f
y f 0,i et Al = a 0l .
ak i
74
2
1
2
Ici aussi nous utilisons : a =H kk r .
k
x
en posant v=y et [S]=x.
x
f
x
H 11 H 12
=
2 , H=
x
H 21 H 22
A=
B=
et
B1
.
B2
H 11=
i=1
0 i
0 i
=
i
75
0 ,i
=
i
xi
0 xi
H 12=H 21=
i
B1 =
i
0 x 2i
3
0 x i
et H 22=
i
20 x 2i
0 x i
0 xi
xi
y i f 0,i et B 2=
2 y i f 0, i
0 x i
i 0 x i
avec f 0,i =
0 x i
0 x i
puis
1
0,649 0,508
0,508 0,668
1
0,567
d'o A=H B
.
0,0602
1 0,20,060,260
S2
0,9
0,2
-0,57
0,060
1,4454965815
0,333
0,26
0,0101
0,166
0,0150720753
0,343
0,43
0,0150
0,103
0,0084583228
0,358
0,53
0,0040
0,024
0,0078643240
0,3614
0,554
0,0004
0,0024
0,0078441826
0,00018
0,0078440067
1
1,52 6,34
Aprs suffisamment d'itrations : H 6,34 36,2
0,00784
S2
1
et = H 11 t n 2 s r 1,52.1 ,48 .
5
n2
min
min
max
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0
0,5
1,5
2,5
3,5
78
E. Exercices
Exercice 1 : Corrlations
corrig p148
X1
X2
i=
1
x11 = -1
x21 = 1
X3
x31 = -1
2
-1
0
0
3
-1
-1
1
4
0
1
-1
5
0
0
0
6
0
-1
1
7
1
1
-1
8
1
0
0
9
1
-1
1
0
1
1
2
-1
-1
2
2
0
0
-1
-2
0
-1
-2
-2
1
1
-1
-1
2
0
-2
2
0
-2
79
-2
0
2
2
1
-1
Exercice 2 : Volumes
corrig p149
80
Exercice 3 : Arbres
corrig p150
corrig p151
Exercice 5 : Indice
corrig p153
81
corrig p154
n =A
B
2
sin
ni=
AD m ,i
2
A
sin
2
615,7
589,2
568,5
515,2
498,1
Couleur
rouge
jaune
vert-jaune
vert
bleu-vert
Dm
57 49,5'
58 9'
58 28'
59 26,5'
59 50'
1,71276
1,71568
1,71852
1,72716
1,73060
82
est
n =AB .
corrig p156
83
corrig p157
Nous
avons
une
maison
proche
des
prconisations pour une maison nergie zro. Les
rsistances thermiques ramenes au m, soit e/, sont
pour le toit de 8 m.K/W pour les murs et le sol de 4
m.K/W et pour les huisseries de 1 m.K/W (les
rsistances sont connues avec une prcision de 10%).
La maison a une surface au sol de 36 m, 54 m de toit,
82 m de mur et 8 m d'huisseries.
1- Les rsistances quivalentes du toit, du mur, du sol
et des huisseries tant en parallle, dterminez la
rsistance thermique totale (en K/W) avec sa
prcision.
Les tempratures extrieures et intrieures sont
constantes.
2- Quelle doit tre la puissance minimale du chauffage
de la maison pour maintenir la temprature intrieure
constante en compensant les pertes ?
3- Nous coupons le chauffage et nous mesurons la
temprature au cours du temps :
t en heures
T en C
10
18
16
14
12
11
10
84
Exercice 9 : Rendement
corrig p160
100
200
300
400
500
600
700
41
44
53
63
66
65
78
85
corrig p162
unit : V
prcision 0,05% 0,003
4,
731
4,
731
4,
730
4,
728
4,
724
unit : A
prcision
0,2% 0,03
92,
83
115,
45
152,
65
4,
724
4,
722
4,
721
4,
719
4,
716
unit : mA
prcision 0,2% 0,0003
0,
0,
0,
0,
0,
0,
0,
2352 4686 5200 5841 6661 7750 9264
Exercice 11 : Focomtrie
corrig p164
86
5
5
5
5
5
5
5
5
150
160
164
172
191
214
292
730
15
17
15
18
20
25
28
102
Thorie
Exercice 12 :
Pour la rgression simple, montrez que :
n
xix 2=n x2 x 2
i=1
Exercice 13 :
Pour la rgression simple, montrez que nous pouvons
aussi crire sb =s r
1
x
.
n x i x 2
Exercice 14 :
Pour la rgression simple, montrez que : b= x 2 a .
87
Exercice 15 : Asymptotes
corrig p167
prdiction :
n w
xo x
2
x x
y o=
n w
1n
x o x
2
x x
88
Estimation :
y o=
Prdiction :
x o x
y o=
x 2 x 2
x o x
x 2 x 2
89
pi yi
i
avec p i =
x i x
xi x 2
15
Mthode 2 :
Utilisez la formule de propagation des cart-types.
Pour la rgression linaire simple, pourriez-vous
retrouver a, b , a et b en utilisant la mthode
matricielle de la rgression gnralise ?
Exercice 19 : Esprance de a
corrig p172
90
1- Montrez que :
a=
y12 xy yx2 1y
2- Exprimez
1
x
2
2
y
y
x
2
y
a
(calcul long).
yj
1 : yi
10
15
20
25
30
35
40
2 : yi
8,286
91
Rgression non-linaire
92
III. COMPLMENTS
A. Mesure avec une rgle
Article publi dans le BUP [ii].
RSUM
La mesure d'une grandeur par un systme
d'acquisition induit de part sa rsolution une erreur de
discrtisation. Nous nous attachons ici la mesure d'une
longueur avec une rgle gradue. Ce type de mesure nous
amne considrer une loi de probabilit continue
uniforme. Nous utilisons ensuite un produit de
convolution pour dterminer l'incertitude avec sa
confiance d'une somme de longueurs. Nous gnralisons
finalement au cas gnral du calcul d'incertitudes pour
des variables alatoires indpendantes en utilisant la
formule de propagation des erreurs.
INTRODUCTION
Nous voulons mesurer des longueurs et valuer les
incertitudes le plus prcisment possible. Incertitudes sur
les valeurs mesures et leurs sommes. Nous disposons
dune rgle de 15cm gradue au millimtre et de deux
jeux de cartes. La rgle est suppose parfaite et les cartes
de chaque jeu lidentique.
93
Pour le jeu 2:
x 2 =11 ,20,05 cm .
f x dx=1
distribution
dont la
V = 2= x x moy 2 f x dx ,
V est appele la variance. Pour une loi uniforme:
=/ 120,29 ,
et nous avons x= x moy avec une confiance de 58%.
L'cart-type est une grandeur adquate pour caractriser la
largeur d'une distribution. L'tendue quant elle est
dfinie par les valeurs extrmes qui peuvent tre peu
reprsentatives ou pire des valeurs aberrantes.
f x= f 1 y f 2 x y dy
x x min f x =0
x x min
x minx x moy f x=
2
x x
x moy x x max f x= max 2
xx max f x=0
97
de
de
99
100
N=1
2
3
4
5
6
7
8
9
10
20
50
100
80%
0,40
0,55
0,66
0,75
0,84
0,92
0,99
1,06
1,12
1,2
1,7
2,6
3,7
95%
0,48
0,78
0,97
1,12
1,25
1,38
1,49
1,59
1,69
1,8
2,5
4,0
5,7
99%
0,50
0,90
1,19
1,41
1,60
1,76
1,91
2,05
2,18
2,3
3,3
5,2
7,4
6. AUTRES APPLICATIONS
Un coureur souhaite mesurer son temps de
parcours. Sa montre affichage numrique indique qu'il
part 10 h 52 min et qu'il arrive 11 h 11 min .
L'affichage est la minute, il est donc partit entre
10 h 52 min 00 s et 10 h 52 min 59 s . D'o la date de
dpart dans l'intervalle t 1=10 h 52 min 30 s30 s . La
rsolution est d'une minute. La dure du parcours est
t=t 2t 1 . Les rsultats restent vrais pour une
diffrence. Nous avons N=2 et t=19min47s avec
95% de confiance.
Mme dmarche si des tudiants mesurent une diffrence
d'angles sur un goniomtre. Chaque mesure tant la
minute d'arc prs l'incertitude du rsultat est de 47
secondes d'arc 95%.
Sept personnes veulent rentrer en mme temps
dans un ascenseur. Sa charge maximale est de 500kg.
Leurs masses individuelles sont mesures avec un pse
personne d'une rsolution de un kilogramme. La masse
totale est de 499kg. Quelle est la probabilit d'tre en
surcharge?
102
2 =
i=1
f 2 2
i
xi
f 2
f =
xi 2 ,
i =1 x i
2
f = f / x i x i
qui
i=1
B. Mtrologie
1. Exemples
Intressons-nous deux instruments de mesure particuliers : un
chronomtre et un ampremtre.
Mesure d'une dure avec un chronomtre :
Nous mesurons la dure d d'un phnomne. Nous supposons
que l'exprimentateur appuie aux bons moments pour mesurer
ce que l'on appelle les dates initiale t1 et finale t2. Pour tre un
bon exprimentateur il faut avoir une connaissance minimale
de ses instruments de mesure. Un chronomtre, du type utilis
ici, fonctionne avec un quartz trs prcis. La drive est d'une
quinzaine de secondes par an, soit environ 0,00004 secondes
sur notre exprience. Ici, nous ngligeons la drive. Nous pou
vons supposer le chronomtre parfait (juste et fidle). Seule la
rsolution va intervenir ( = 1/10 me de seconde).
2
x
2 x
dx
x
dx
=
recentrage) : 2= x 2
. Ou, si
6
2
2
0
nous utilisons la formule de propagation des cart-types on trouve
105
106
incertitude :
107
2
1
Courant (mA)
108
187,05
186,95
186,85
186,75
186,65
186,55
186,45
186,35
186,25
186,15
186,05
Frquence
186,24
186,19
186,39
186,22
186,64
186,40
186,23
186,91
186,36
186,47
2. Normes
Pour dterminer rigoureusement l'incertitude, il faudrait que
tous les fabricants donnent la confiance de leurs incertitudes et
les profils des lois de probabilit.
Pour contribuer une information complte sur l'expression de
l'incertitude et fournir une base pour la comparaison
internationale des rsultats de mesure Le comit international
des poids et mesures et l'Organisation internationale de
normalisation ont dvelopps un guide [vii].
Il s'agit de mettre en place des mthodes d'valuation et
d'expression des incertitudes harmonises pour tous les pays et
tous les domaines (de la sant, de la scurit, industriel,
commercial, etc.).
3. Vocabulaire
Que l'on parle avec le vocable de la statistique ou avec celui de
la mtrologie les notions sont les mmes. Pour aider faire la
jonction, nous avons synthtis certaines expressions courantes
dans un tableau. Sur une mme ligne vous trouverez les termes
quivalents.
109
grandeur mesurer X
mesurande M
mesure
action de mesurer
mesurage
rsultat du mesurage
xi
une mesure
mi
X = x x
M = m M
dispersion
fidlit
(rptabilit et
reproductibilit)
justesse
biais
rsolution
(erreur de)
(sensibilit)
discrtisation
erreurs
alatoires
(accidentelles)
erreurs
systmatiques
erreurs de
type A
erreurs de
type B
la valeur vraie
moyenne de la population
(esprance)
(souvent inconnue)
Mvrai
moyenne de l'chantillon
m ou m
sx
cart-type
de l'chantillon
cart-type
exprimental
sexp
sx
cart-type estim
de la distribution
d'chantillonnage
incertitudetype
s = sexp / n
coefficient de Student t
x = t . s / n
x
x / x
facteur d'largissement k
M = k . s
incertitude
(incertitude absolue)
incertitude-type
largie
110
M / m
Remarques :
Plus le biais est grand, moins la mesure est juste.
Plus les mesures sont disperses, moins la fidlit est
bonne.
L'cart-type de l'chantillon est un estimateur biais de
l'cart-type de la population.
Dans ce livre nous avons vit de parler d'erreur, nous
avons prfr le terme incertitude. En mtrologie, nous
parlons de diffrentes erreurs (erreur de mesure, erreur
alatoire et erreur systmatique).
Nous utilisons le terme cart pour la diffrence entre la
moyenne de la mesure et la valeur attendue (une valeur
donne par le fabricant ou dans les tables).
Incertitudetype :
s x =
Le constructeur fournit la
classe : a
a correspond /2
12
s x =
111
a
3
Incertitude
largie :
x=k s x
(k=2 95%)
Remarques :
112
C. Thermodynamique
Nous allons tudier la dtente de Joule et Gay-Lussac. Pour
cette dtente, nous allons utiliser deux mthodes pour
dterminer les fluctuations de la pression dans l'tat final : l'une
classique en thermodynamique, l'autre en utilisant la formule
de propagation. Dans ce cadre, nous montrerons que cette
formule est en accord avec les lois de la physique.
113
NA : nombre d'Avogadro
P n *
114
p=1/2 ou k=1
p=1/2
115
k=0
k=1
microtats
(A,BCD)
(B,ACD)
(,ABCD)
(C,ABD)
(D,ABC)
probas
p=1/16
p=1/4
k=2
(AB,CD)
(AC,BD)
(AD,BC)
(BC,AD)
(BD,AC)
(CD,AB)
p=3/8
k=3
k=4
(BCD,A)
(ACD,B)
(ABCD,)
(ABD,C)
(ABC,D)
p=1/4
p=1/16
116
=C N =
Ck
N!
et p k = NN
k ! N k !
2
p 1
N
=
d'o
p max
e
2
N/2
1
=
N /2 N
et
P
1
=
P N
117
et
P
1
=
P N
6. Conclusion
La formule de propagation permet de retrouver rapidement le
rsultat de la physique statistique.
Si nous faisions l'erreur de considrer que les incertitudes
s'ajoutent nous aurions P F =P F P F . Ainsi la pression et
toutes les variables d'tat de la thermodynamique ne seraient
pas dfinies. De plus, cette dtente, dmontre irrversible en
vertu du second principe, deviendrait rversible.
Nous voyons nouveau, sur cet exemple, que la formule de
propagation n'est pas seulement un outil rigoureux pour le cal
cul des incertitudes mais participe, aussi, aux fondements des
lois de la nature.
118
119
=
2
f
f
f
2j 2
xj
xi
i j
f
r
x j ij i j
Remarques :
f f / x ii .
si f =x 1x 2 , 1 =2 et r 12=1 alors f =0 .
120
IV. DEVOIRS
Dure de composition d'une heure pour chaque
devoir. Calculatrice autorise. Documents, ordinateurs et
tlphones interdits. Toutes les rponses doivent tre
justifies et clairement explicites. Les tables de Student
et de khi deux sont fournies, ainsi qu'un formulaire avec
la formule de l'cart-type et celle du coefficient de
corrlation.
Extraits de devoirs donns en deuxime anne d'cole
d'ingnieur (cole Hubert Curien / Matrise de l'efficacit
nergtique).
A. Devoir Suricate
Exercice 1 (3 pts) :
Nous lanons quatre pices quilibres.
Quelle est la probabilit d'en avoir quatre qui tombent
du ct pile?
Mme question pour avoir trois faces et un pile suite au lancer
des quatre pices.
121
Calcium
mg/L
Evian
Badoit
Contrex
Hpar
StYorre
Vittel
Volvic
Vichyclestin
Salvetat
78
190
486
555
90
202
11,5
103
253
mg/L
mg/L
mg/L
357
1300
403
403
4368
402
71
2989
820
24
85
84
110
11
43
8
10
11
4,5
44
10
11
322
8
13,5
235
4
1
10
3,2
4
132
2
6,2
66
3
5
165
9,1
14
1708
4,7
11,6
1172
7
pH
7,2
6
7,2
7,2
6,6
7,5
6,95
6,8
6
Exercice 2 (7 pts) :
Nous allons tout d'abord considrer la quantit B de
bicarbonates en mg/L :
a) Dterminez la valeur moyenne B de B.
b) Calculez l'cart-type B sur B.
c) Avec une confiance de 95%,
quelle est l'incertitude B ?
Nous considrons maintenant la concentration S en sulfates.
d) Les grandeurs B et S sont-elles corrles ? (si la valeur
absolue du coefficient de corrlation r est infrieure
la valeur critique rc ici gale 0,52 les grandeurs
peuvent tre considres comme indpendantes).
e) Dterminez la teneur moyenne totale {B S} en mg/L
des bicarbonates et sulfates avec son incertitude.
122
Exercice 3 (3 pts) :
Nous considrons une population d'un pays constitue
de pauvres et de non-pauvres. Les pays est dcoup en quatre
rgions. Dans chaque rgion nous tirons 1000 personnes au
hasard et nous obtenons la rpartition suivante :
Zone
gographique :
Nord - Est
Centre Nord
Sud
Ouest
Pauvres :
112
105
154
113
Non
pauvres :
888
895
846
887
Exercice 4 (3 pts) :
Nous traons maintenant pour les diffrentes eaux
minrales la quantit de sodium en fonction de celle de
chlorure. Une rgression nous donne la pente et l'ordonne
l'origine avec leurs incertitudes 95% de confiance. Pour
l'ordonne l'origine nous trouvons : b = -4325 mg/L. Nous
vous proposons des possibilits pour la pente dont une est la
bonne, expliquez votre choix et pourquoi les autres ne peuvent
convenir.
Pour ce faire vous devez vous aider d'une matrice de
l'exercice 5. D'autres donnes qui peuvent vous aider :
MNa=23,0g/mol, MCl=35,5g/mol. Vous pourrez conclure sur
l'information que l'on en tire sur les eaux minrales en gnral.
123
Cas :
1)
2)
3)
4)
5)
6)
7)
8)
B. Devoir Narval
Exercice 1 (3 pts) :
Nous lanons deux ds quilibrs six faces.
Quelle est la probabilit que la somme des deux ds fasse 12 ?
Mme question pour une somme gale 7.
Exercice 2 (7 pts) :
Pour huit maisons du mme modle nous mesurons les
rsistances thermiques. Pour les murs nous mesurons, de la
premire la huitime maison, les valeurs R 1 suivantes en
mK/W :
39
41
41
43
41
37
39
39
124
102
98
102
98
102
96
98
Exercice 3 (3 pts) :
Nous faisons l'hypothse d'galit des salaires hommesfemmes au sein de l'entreprise suivante :
Salaires en
:
1000
1999
2000
2999
3000
3999
4000
4999
Hommes
(effectifs):
139
124
68
29
Femmes
(effectifs) :
261
66
22
11
125
Cas :
1)
2)
3)
4)
pente a :
3,16
-5,80
2,90
-3,01
incertitude sur a :
0,63
0,31
0,31
0,69
ordonne l'origine b :
2,27
20,44
3,36
30,13
incertitude sur b :
3,40
1,70
1,70
3,70
coeff. de corrlation :
0,9712 -0,9914
126
0,9914 -0,9627
127
V. TRAVAUX PRATIQUES
A. Mesure d'un indice lumineux
(TP ralis au Lyce Alain-Fournier de Bourges)
128
Lecture du vernier
129
130
2
A
sin
2
sin
n=
(nm)
rouge
jaune
vertjaune
vert
bleuvert
bleuviolet
violet
615,7
589,3
568,5
515,2
498,1
475,0
466,7
131
B. Le miroir sphrique
Nous considrons deux miroirs concaves M1 et M2.
Mesure gomtrique du rayon
Thorie :
Exprimez R en fonction de d et D.
Exprience : Mesurez d et D.
Estimez le rayon R avec son
incertitude R.
Mesure mcanique du rayon
La pulsation de petites oscillations d'une bille, sans
amortissement, dans une cuvette circulaire, est
0= g / R . Estimez R.
Mesure optique du rayon
Construction gomtrique et relation de conjugaison :
Montrez que A=A' avec =1 pour A=A'=C.
Sachant cela, en dduire un protocole permettant la
mesure de R.
Exprience : Mesure de RR.
Comparez avec les autres mthodes.
132
Relation de conjugaison
-SA
(min)
(max)
(C)
-SA'
(max)
(min)
(C)
(Points Intermdiaires)
SA
SA'
x=-1/ SA
y=-1/ SA'
x
y
133
134
(min)
(max)
OA'
(max)
(min)
OA
OA'
x=-1/ OA
(Points Intermdiaires)
.
y=1/ OA'
135
x
y
f' (cm)
f' (cm)
-0,99
0,036
19,9
0,28
-0,98
0,055
20,5
0,52
-1,07
0,036
18,9
0,29
-0,96
0,1
20,6
0,74
-1,03
0,049
20,6
0,44
-1,03
0,041
20,13
0,31
-1,02
0,059
19,58
0,42
136
Thorie :
L2
Rmesur
Rmesur
R1 calcul
R1 calcul
R'mesur
Commentaires ? Prcision
sur l'indice compare celle
obtenue avec le goniomtre ?
R'mesur
R2 calcul
R2 calcul
n calcul
n calcul
138
A - Drives
1- Dfinition :
f ' x=lim
0
f x f x
x2x 2 =x 22 x 2 x 22 x et f '(x)=2x.
Graphiquement la drive correspond la pente de la courbe en
un point.
drive f '
a (constante)
a x =a x
cos x
sin x =cos x x
sin x
139
cos x
sin x
cos x =sin x x
ex
ex
e x =e x x
ln x
1/ x
ln x = x /x
uv
u ' v '
uv
u ' vv ' u
f g x
g ' x f ' g x
(u et v fonctions de x)
1
1
1 1
1 1
' =1 x
= 2 .
=x
donc
x
x
x
1
1
1
1
1
x =x 2 donc x' = 2 x 2 = 2 x .
B - Drives partielles
Celles-ci concernent les fonctions plusieurs variables. Par
exemple considrons la fonction trois variables :
f(x,y,z) = x - 2z + xy
Nous pouvons regarder les variations de cette fonction par
rapport une variable tout en considrant les autres constantes.
On procde alors comme pour une drive. On a donc :
( xf )
y ,z
=2 x + y ,
( fy )
x, z
=x et
f
z
=2
x,y
140
C - Intgrales
ex dx= .
x=
1 2 et
= xp x dx=0 car l'intgrale sur
e
2
x2
x2
1 2
1
= x
e dx=
x x e 2 dx d'o
2
2
x
2
2 =[x e ] 1 e
x
2
dx=0 2 e
dx
141
VII. CORRECTIONS
Corrections compltes ou sommaire suivant les cas.
nonc p31
nonc p31
C5
8
(combinaison) = 56.
nonc p31
142
nonc p32
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Frq.
0 1 3 2 1 5 2 2 2 1 4 4 2 2 0 3 0 0 1 0 0
25,7%
11,4%
8,57%
2,86%
143
nonc p33
1) 1/1296
2) (1+5+15+35+70)/65=1,65%
3) a) n=30, S16,73 et S3,88.
b) S1,45 . S=16,731,45 avec une confiance de 95%. Ici la po
pulation est infinie et connue. On trouve pop=17,5. C'est cohrent. Il
n'y a pas de raison de penser que les ds sont pips.
c)
144
E7 : Pices
nonc p33
nonc p34
Valeurs espres
288,5
288,5
174
6
... et
288,5
288,5
2
344 ,avec ddl=2x1=2 la probabilit que
174
l'hypothse soit vraie est trs infrieure une
6
chance sur 1000 (13,8 <<344 pour 0,1%). La
parit n'est pas respecte.
2 =
nonc p34
145
nonc p35
1D :
x2
1 2
1- x = x
e dx = 0 car la fonction intgre est dfinie et im
2
paire sur un intervalle d'intgration symtrique (proprit de l'int
x
1 2
1 2
grale). x=x
e dx= 2 x
e dx car cette fois la
2
0
2
x
2
2
fonction est paire. x=
[e 2 ]=
. La distance correspond
2
une valeur absolue, sa moyenne est donc non nulle et positive. x cor
respond la moyenne de l'abscisse, grandeur algbrique.
2
1 2
2- P x 1= P 1 x 1=
e dx nous calculons num
1 2
riquement ( la calculatrice, sur un ordinateur...) ces intgrales et re
trouvons les rsultats du chapitre sur la distribution de Gauss ,
deux et trois .
2D :
x2
y2
x2 y2
1 2 1 2
1 2
p(x,y) est bien une
p x , y=
e
e =
e
2
2
2
1
p x , y dx dy= 2 e 2 dx
y2
1
2 e 2 dy =1.1=1
146
1
p x , y dx dy= 2 e 2 2 d =1
2-
p= e
2
2
et
d =[e
2
2
]=1 .
2
2 2
= p d = e
d =[ e
2
2
] 2 e
2
2
= 0 0 2 e dt = 2
2
2
ties (u=) et un changement de variable (=2 t et on reconnait une
intgrale connue).
0
= = p d = e
2
2
d =[ e
2
2
] 2 e
2
2
P = e
3-
2
2
d =1
1
e
P 2 =1
1
e4
3D :
r2
1-
1
2
p x , y , z =
3e
2
2-
pr dr =
0
r2
3 2
3-
r = r pr dr = r e
r2
4 2
r = r pr dr = r e
0
dr = 2=
pr = r e
r2
2
4
3
2
4
2
d'o : r= 3
147
4- P r r = e
r2
2
numrique.
-3
3- c)
-2
0
-1 0
-1
-3
-2
0
-1-1 0
-2
-2
-3
-3
148
E2 : Volumes
nonc p80
0,1 0 0,1 0
2
= 0,1mL d'o 1 0,082mL
41
3
D'aprs le thorme central limite : V=t./n=3,18x0,0816/2
tddl=3; 95%=3,18 soit V1 0,13 mL et V1 /V1 0,13/100
La pipette, avec une confiance de 95%, est 0,13 mL prs, soit pour
100 mL 0,13% de prcision.
1 =
2-
V i =V iV
et
[ V 1 iV 1 V 2i V 2 ]
or
r 12=
V
i
i
1
V 1 2 V 2 i V 2 2
i
V
V
V 12
V 22 =V 1 2 V 22
V1 V
V 2 V
2
149
E3 : Arbres
nonc p81
150
E4 : Mthode de Bessel
nonc p81
151
Le tableur
utilise ici 2 des 4 paquets
globalement gaussiens
parfaitement dcorrls
disponibles :
fi
Paquets
7
6
5
4
3
2
1
0
-2 -1 0
xi
1
-2
-1
-1
-1
-1
0
0
0
0
0
0
1
1
1
1
2
2
0
-1
0
1
1
0
0
-1
1
-1
0
-2
0
-1
2
1
152
3
-2
0
-1
1
2
0
-1
1
1
1
0
0
-1
0
-1
0
4
0
0
1
1
-1
0
-2
-1
-1
2
1
0
0
-1
0
1
x
1973,71
1986,86
1986,86
1986,86
1986,86
2000
2000
2000
2000
2000
2000
2013,14
2013,14
2013,14
2013,14
2026,29
y
536
509,71
536
562,29
562,29
536
536
509,71
562,29
509,71
536
483,43
536
509,71
588,57
562,29
f
457,04
464,02
460,56
456,93
456,93
464,09
464,09
467,52
460,48
467,52
464,09
474,26
467,61
471,02
460,27
467,56
E5 : Indice
nonc p81
n2
n2
n =
i 2
i 2
i1 i 1
i2 i 2
2
2
153
sin i 1
sin i 2
soit
n2
n1
=
cos i1 et
i 1 i sin i 2
2
n2=
n2
cosi2
=n1 sin i1
.
i2 i
sin 2 i2
1
cos30
sin 30 cos20 2
2
sin 20 180
180
sin 20
2 1/ 2
(les angles sont mis dans leur unit naturelle, les radians, sans unit :
rad = 180)
Finalement n2=0,1470 avec
n2=1,460,15 et n2 /n2=10%.
une
confiance
de
95%,
E6 : Formule de Cauchy
nonc p82
12
2
n
n
n 2=
Dm2
A2
Dm A
A D
avec
n
A
=
Dm
cos[ A D m/2]
n
=
et
Dm A
2 sin A/2
154
avec
A=60 Dm
n
1
Dm A 2
et
n
A
1
Dm
1,727
1,722
1,717
1,712
2,6E+12
2,8E+12
3,0E+12
3,2E+12
3,4E+12
3,6E+12
3,8E+12
4,0E+12
155
nonc p83
1-
d'o
et
156
2- Re = 0,00690,0010 K / W
3- Les rsistances sont en srie : R=Rp+Re
et R= R p 2 Re 2 d'o R=0,1300,015 K / W
4- =
T
12
=
=92,3 W
R 0,130
2
/ =T / T R /R
T =T intrieur T extrieur
E8 : Isolation et inertie
nonc p84
S
1
1
=
= i i
R q i R i
ei
i
1- En parallle :
=
R e s / s et / t e m/ m e h / h 4
8
4 1
pour les incertitudes :
G =
G
i
2
i
, G i =S i
ei / i
, G2,471 W / K
ei /i 2
et R= R G1,26 mK / W
finalement
R= 22,61,3 mK / W et R / R = 5,6 %
157
T
12
=
531 W 8,1% (comme l'exercice Mur)
R
22,6 .103
d'o une puissance minimale de chauffage :
2- =
Pmin = 575 W
3Nous avons
ncessairement une
asymptote Text : la
temprature ne peut
descendre
spontanment en
dessous de Text.
Si linaire la temprature tendrait vers moins l'infini avec le temps.
1
t /
d'o ln T b=ln a t ,
T b =ae
y=ln(T-Text)
2,5
1,5
0,5
0
x=t
158
10
1/
=
et
1/
x= x . ln x
et
T tT ext
T
dt=
dt =C dT
R
R
dT 1
1
T = T ext avec = RC
dt
159
E9 : Rendement
nonc p85
n=7
x
100
200
300
400
500
600
700
3,71
y
41
44
53
63
66
65
78
Conf.:
(xi-xm) (xi-xm)
*(yi-ym)
5271,43 90000
2914,29 40000
557,14 10000
0
0
742,86 10000
1285,71 40000
5828,57 90000
xm = ym = Cov(x,y) = Var(x) =
400 58,57
16600 280000
da = 0,017
db = 8
da/|a| = 29%
db/|b| = 22%
95 %
t=3
yim (yi-yim)
t=
2,57
xi^2
*(yi-ym)
90000 308,76 5271,4
40000 212,33 2914,3
10000 31,04 557,14
0 19,61
0
10000 55,18 742,86
40000 41,33 1285,7
90000 377,47 5828,6
sy/x = sx2 =
sx = sy = s2xy =
3,51 1400000 216,02 13,20 2766,7
dy =
9,021
r = 0,9701
r: coefficient de corrlation
linaire algbrique.
a = 0,059 + ou - 0,017
b = 35 + ou - 8
0,042 < a <
0,076
27 < b <
42
Test de corrlation (linaire):
si |r|<rc alors grandeur non corrls
si |r|>rc alors grandeur corrls
Ici les grandeurs sont corrles.
sa = 0,00663
sb = 2,96579
Coefficient de corrlation
linaire critique:
rc = 0,669
R= 0,941
R: coefficient de dtermination (R=r^2).
94,1% de la variation de y est
explique par x
160
2- Le rendement serait
alors de 67 Q/ha 4 Q/ha
prs avec une confiance de
95 pour cent.
3- Le rendement serait
alors de 35 Q/ha 8 Q/ha
prs avec une confiance de
95 pour cent (ordonne
l'origine).
Pour xo= 0
Estimation de la moyenne de yo:
27 < yo <
42
yom=
35
dyom=
8
dyom/|yom|=
22%
4- La probabilit est de
95%
(intervalle
de
prdiction 2 sigmas).
161
nonc p86
d'o :
E=4,73270,0005 V
prcision : 0,010 %
r=17,850,92
prcision : 5,16 %
U(V) en fonction de I(A) :
4,7310
4,7290
4,7270
4,7250
4,7230
4,7210
4,7190
4,7170
4,7150
0,00005
0,00025
0,00045
2-
162
0,00065
0,00085
n = 10
I(A)
0,000093
0,000115
0,000153
0,000235
0,000469
0,000520
0,000584
0,000666
0,000775
0,000926
a estim=
dI(A)
U(V)
dU(V)
2,16E-07
2,61E-07
3,35E-07
7,70E-07
1,24E-06
1,34E-06
1,47E-06
1,63E-06
1,85E-06
2,15E-06
4,731
4,731
4,730
4,728
4,724
4,724
4,722
4,721
4,719
4,716
0,00537
0,00537
0,00537
0,00536
0,00536
0,00536
0,00536
0,00536
0,00536
0,00536
-17,851
poids wi
wi/S
347,4E+2
347,4E+2
347,4E+2
347,6E+2
347,8E+2
347,8E+2
347,9E+2
348,0E+2
348,1E+2
348,3E+2
10%
10%
10%
10%
10%
10%
10%
10%
10%
10%
S=
347,8E+3
da = 6,09
db = 0,00324
a=
b=
da/|a| = 34,1%
db/|b| = 0,0685%
sa = 6,09
sb = 0,00324
-17,85 + ou - 6,1
4,7327 + ou - 0,0032
0,0003
0,0005
0,0007
0,0009
Ce sont bien sr les rsultats du 2- qui font foi, ceux du 1- n'ont pas
163
E11 : Focomtrie
nonc p86
=
OA' OA f '
Nous avons ici un objet et une image rels et suivant le choix d'axe
optique OA0 et OA'0 . Ainsi pour travailler avec des
grandeurs positives nous posons : OA=OA et OA=OA' .
La mthode la plus rapide pour mesurer la focale d'une lentille
convergente est la mthode par auto-collimation. Ensuite nous avons
la mthode de Bessel, plus prcise mais plus longue mettre en
uvre. L'avantage avec l'autre mthode de cet exercice, certes
longue, est que nous ne travaillons pas avec une seule mesure mais
avec n mesures. Plus le nombre mesure est grand plus le rsultat est
prcis.
OA contient les incertitudes gomtriques (mesures de longueurs) et
de modlisation (paisseur de la lentille, conditions de Gauss). OA'
contient en plus les incertitudes optiques (latitudes de mise au point) :
OA'=(OA'go+OA'mod+OA'opt)
164
0,0060
0,0050
0,0040
0,0030
0,0020
0,0010
0,0015
0,0025
0,0035
165
0,0045
0,0055
0,0065
n =8
a estim= -1,0210
x
0,00157
0,00189
0,00202
0,00227
0,00286
0,00357
0,00476
0,00667
dx
0,0000124
0,0000178
0,0000203
0,0000258
0,0000408
0,0000638
0,0001134
0,0002222
a= -1,0210
dy
0,00667
0,00625
0,00610
0,00581
0,00524
0,00467
0,00342
0,00137
poids wi
0,000667
0,000664
0,000558
0,000608
0,000548
0,000546
0,000328
0,000191
wi/S
2249189
2265985
3210643
2696211
3308045
3308566
8248034
11349080
6%
6%
9%
7%
9%
9%
23%
31%
S=
36635752
da = 0,0871
db = 0,000408
a=
b=
da/|a| = 8,5%
db/|b| = 5,0%
-1,021
0,00821
-1,11
+ ou + ou <a<
sa = 0,0871
sb = 0,0004
0,087
0,00041
-0,93
f'=1/b=
df'=d(1/b)=
df'/f'=d(1/b)/|1/b|=
122
6
5%
Thorie
E12 :
n
i =1
i=1
i =1
i =1
i=1
x i x 2= xi 22 x i x x 2=n x 2 2 x x i n x 2
n
n x2 2 x xi n x 2=n x 22 x n x n x 2 =n x2 x 2
i =1
E13 :
sb =s r
2
1
x
=s
n x i x 2 r
x i x 2n x 2 = s
r
2
n x i x
166
n x x n x
2
n x i x
sb =s r
d'o
n x2
xi2
=
s
r
2
2
n xi x
n x i x
E14 :
sa =
sr
x x
et sb =s r
xi 2
2
n xi x
d'o sb =s a
xi2
n
x o
xo
y conf =t n2 s r
x
1
xo
x o x 2
1
1
=t s
x
n xi x 2 n2 r n x o2 xi x 2 o
1
x = a. xo
x
x i x 2 o
Pour la prdiction nous arrivons simplement la mme conclusion.
Comme nous le pressentions exprimentalement toutes les asymptotes se rejoignent bien l'infini.
ainsi lim y conf =t n2 s r 0
o
nonc p88
w i xi
1-
x =
i =1
n
2
et x =
wi
w i x i2
wi
i=1
.
= w i
w i xi2
2- En rgression simple :
wi x i = w i x 2 x 2
y o =t n2 sr
167
x o x 2
1
n xi x 2
sa =
sr
x x
et a=t n2 sa d'o t n2 s r = a
x x
y o = a n x2 x 2
ainsi
2
1 xo x
n n x 2 x 2
wi
2
2
2
et = w i x x d'o par analogie nous avons :
a =
y o=
soit y o=
et
y o=
n w
n w
wi n
wi
1 x o x
n n x2 x 2
xo x
2
x x
pour la confiance,
1n
x ox
2
pour la prdiction,
x x
y conf =
n w
lim y conf =
x o
n w
lim y conf =
1
n
x o
x o x 2
x x
n w
1
1
xo =
x 2 x 2
n wi
wi x =
x
1
xo
1
2
2
2 xo
xo
x x
w i
xo
a. xo
Par analogie nous devons prendre dans les formules n=1 pour la r
gression avec barres d'erreur. En fait nous devions nous attendre un
facteur de diffrence, en effet les poids wi sont dfinis un facteur
168
prs.
exemple
nous aurions
aussi
pu prendre
2
1/a
w i '=
. Aussi en rgression simple le nombre de
y i / a 2 x i 2
points est clairement dfini, alors qu'avec les barres d'erreurs certains
points comptent plus que d'autres, n=1 signifie que tous les points
correspondent 100% des donnes. Pour trouver les formules de
l'nonc il suffit de remplacer n par 1.
E17
Par
Autres expressions
x =
nonc p89
w i xi x 2= w i x i 2
wi
wi
w i w i xi y i
a =
b =
wi yi wi x 2i
x x
w i xi
wi =
a =
b =
2
2
wi x i y i
x
2 = x
wi
wi
wi x i w i yi = x y x y
x y=
Rgression simple : a=
wi x i yi = y x 2x x y
2
x
x
wi
x x
wi x i
=
x
2
x x
2
x y x y
(mme formule avec les barres)
2
2
x x
2
y x x x y
et y= a x b qui implique b= 2 2
x x
a=t n2 s r
x ix
t n2 sr
(mme formule)
1
n x 2 x 2
et
b=t n2 sr
xi 2 = t n2 s r
2
n xi x
n
x
2
x x
2
169
~t n2 s r ainsi
nonc p90
d 2= y ia xi b 2
i
d
y i a x i b
= 2
y i a x i b=2 yi a x i b
b
b
i
i
2
d'o :
yi a xi b =0
y i a x i nb=0
y i x i a xi 2 b xi =0
d'o : yi a xi b xi =0 ,
x y x y
x2 x2
S
=2 w i yi a x ib car wi ne dpend pas de b.
b
2
wi
2a xi
1
=
=
=2a xi 2 w i 2
2
2
2
a a y i a xi
y i 2a2 xi 2 2
S
2
2
2
=2 a x i w i yi a x ib 2 w i xi y ia x ib
a
i
i
2
170
x y x y xi yi x yi
=
=...
2
2
2
2
x x
n x x
V a= p2i V y i =
xi x 2 2 =...
r
2
x i x 2
3-
2
x x i yi
y x x x y yi x
b= 2 2 =
=...
2
2
x x
n x x
2
x2 x xi 2 2 = n x 2 2 x 2 x 2x 2 x 2 2=...
V b=
r
r
2
2
x i x 2
xi x 2
Mthode 2 :
a=
x i yi x yi
or
2
2
n x x
yi y1... y j... y n
=
=0...1...0=1
yj
yj
et
x i yi x 1 y 1...x j y j... x n y n
=
=0...x j...0= x j
y j
y j
x jx
a
=
ainsi
et
y j n x 2x 2
sa =
x j x
2
n x x
s y =...
i
171
1 x
, H = x x2
y ba x=0
2
x yb xa x =0
HA=B, A=H-1B , H 1=
A= b
a
et B= y .
xy
1
2
1
2
x x et
b =H 11 r
2
2
x x x 1
Nous avons une matrice de dterminant non nul, et nous avons appli
qu la formule d'inversion pour une matrice 2x2 (on vrifie bien que
HH-1=H-1H=I). Nous avons alors rapidement les formules recher
ches.
E19 Esprance de a
nonc p90
E a= E pi y i = p i E y i = pi x i
i
E a = pi x i pi
i
pi x i=
pi =
1
x i x =0
x
i x 2
x i xi x
1
2
x x x i x =10
2=
2 x i
i i
E a=
d'o
nonc p91
1-
a=
wi w i xi y i wi x i wi y i
2
w i wi x 2i w i xi
2-
a=
u
v
u' =
avec
w i=
1
2 .
k yi
2
a u ' vv ' u
=
2
yj
v
u
2
x
1 x j 2 x j
1
x 1
= 3 2 2 3 2 2
yj
y
y
yj
y yj
yj
y yj
172
v'=
2
v 2
x
1 2 x j
x 2 x j
= 3 2 2
2 2
y j yj
y
y
y3j
y
y3j
y=5x+5
y=5,34x+3,46
173
sa 0,422
sa 0,427
j=2
j=3
a
yj
j=2
j=4
j=5
j=6
j=7
0,0496
0,0542
0,0543
0,0528
j=4
j=5
j=6
j=7
0,0343
0,0667
0,0410
0,0611
sa 0,422
j=3
sa 0,427
sa 0,422
sa 0,399
174
nonc p92
, etc.
175
176
12
10
0
59,960
59,980
60,000
60,020
60,040
60,060
Un clou correspond une aire de 0,01x1, donc pour une unit d'aire :
u.a.=100 clous.
177
A= e
dx= 2
1 x
2
x '=
N 1 = 2 a 1 a 3 =17,334,91
N 2 = 2 a 4 a 6=31,184,72
Devoir Suricate :
E1 : Pices
Nb de lancers possibles : 2x2x2x2=16.
Une seule possibilit correspond 4 piles d'o une probabilit de une
chance sur 16 soit 6,25%.
Quatre possibilits pour un pile : PFFF, FPFF, FFPF, FFFP. D'o
p=4/16 soit une chance sur quatre (p=0,25=25%).
178
Valeurs observes :
O11=112
O12=105
O13=154
O21=888
895
...
1000
1000
1000
O14=113
1000
E12=121
E13=121
E14=121
E21=879
E22=879
E23=879
E24=879
1000
1000
1000
1000
2 =
14,0
121
121
121
121
179
Devoir Narval :
E1 : Ds
36 possibilits. 12 : p=1/36=2,8%. 7 : p=6/36=1/6=16,7%.
E2 : Maisons
a) b) c) d) R1=40 mK/W ; 1=1,85 mK/W; R1=1,55 mK/W; r12=0
e) R=28,6 0,8 mK/W
E3 : Salaires
=86,5 >> 7,8 hypothse non soutenable.
E4 : Courbes
1) d); 3) c) ; 4) b); 2) aucunes correspondances.
180
[vi] WONNACOTT. Statistique conomie - Gestion Sciences - Mdecine. Economica, 1972. 919 p.
[x] JOURNEAUX Roger. Traitement des mesures. Ellipses,
2009. 377 p.
[iii] SAPORTA Gilbert. Probabilits, analyse des donnes et
statistique. Technip, 2006. 622 p.
Web
Placez http:// devant le nom des sites.
La plupart des fichiers sont en copie dans le dossier
<www.incertitudes.fr/livre/>.
181
Articles
[i] Regression line analysis K.S.KRANE et L.SCHECTER
American J. of Physics 50,82 (1982).
[ii] ROUAUD Mathieu. Mesure avec une rgle. Bulletin
de l'Union des Physiciens n913, avril 2009.
Logiciels
Tous les logiciels utiliss sont libres et gratuits.
182
Illustrations
Reprsentations 3D situes avant la table des matires et en troisime
vignette de la couverture arrire.
Un marcheur alatoire se dplace dans un plan. Il lance deux pices et
regarde les rsultats : deux piles, un pile et un face, un face et un pile
ou deux faces. La premire pice lui indique s'il doit faire un premier
vers l'Est ou l'Ouest, la deuxime s'il doit faire un second pas vers le
Sud ou le Nord. Ainsi chaque intervalle de temps t il se dplace
dans le plan de deux pas. Pendant t la distance parcourue par le
marcheur est d = 2 p (p longueur d'un pas).
qu'elle distance du point de dpart se trouve
le marcheur l'instant t ? ( aprs n intervalles de temps : t = n t)
Pour n=1, nous traons les tableaux suivants :
0,5
-0,5
25% 25%
25% 25%
-0,5 0,5
6% 13% 6%
-1
6% 13% 6%
-1
183
1,5
2% 5% 5% 2%
0,5
5% 14% 14% 5%
-0,5
-1,5
5% 14% 14% 5%
s31,234
2% 5% 5% 2%
4 16 24 16 4
6 24 36 24 6
-1
4 16 24 16 4
-2
-2 -1
5 10 10 5
1,5
5 25 50 50 25 5
0,5
10 50
100 100
50 10
-0,5
10 50
100 100
50 10
-1,5
5 25 50 50 25 5
-2,5
5 10 10 5
184
15 20 15
36 90 120 90 36
36 90 120 90 36
-3
-3 -2
15 20 15
-1
s (2p)
2,0
R = 0,8839
1,5
1,5
1,0
1,0
0,5
0,5
0,0
R = 0,9957
0,0
0
185
t
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
22
24
26
28
30
40
50
60
70
80
90
100
200
300
500
1000
Confiance (%)
50
80
90
95
98
99
99,5
99,8
99,9
1,00
0,82
0,76
0,74
0,73
0,72
0,71
0,71
0,70
0,70
0,70
0,70
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,69
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,68
0,67
0,67
3,08
1,89
1,64
1,53
1,48
1,44
1,41
1,40
1,38
1,37
1,36
1,36
1,35
1,35
1,34
1,34
1,33
1,33
1,33
1,33
1,32
1,32
1,31
1,31
1,31
1,30
1,30
1,30
1,29
1,29
1,29
1,29
1,29
1,28
1,28
1,28
6,31
2,92
2,35
2,13
2,02
1,94
1,89
1,86
1,83
1,81
1,80
1,78
1,77
1,76
1,75
1,75
1,74
1,73
1,73
1,72
1,72
1,71
1,71
1,70
1,70
1,68
1,68
1,67
1,67
1,66
1,66
1,66
1,65
1,65
1,65
1,65
12,7
4,30
3,18
2,78
2,57
2,45
2,36
2,31
2,26
2,23
2,20
2,18
2,16
2,14
2,13
2,12
2,11
2,10
2,09
2,09
2,07
2,06
2,06
2,05
2,04
2,02
2,01
2,00
1,99
1,99
1,99
1,98
1,97
1,97
1,96
1,96
31,8
6,96
4,54
3,75
3,36
3,14
3,00
2,90
2,82
2,76
2,72
2,68
2,65
2,62
2,60
2,58
2,57
2,55
2,54
2,53
2,51
2,49
2,48
2,47
2,46
2,42
2,40
2,39
2,38
2,37
2,37
2,36
2,35
2,34
2,33
2,33
63,7
9,92
5,84
4,60
4,03
3,71
3,50
3,36
3,25
3,17
3,11
3,05
3,01
2,98
2,95
2,92
2,90
2,88
2,86
2,85
2,82
2,80
2,78
2,76
2,75
2,70
2,68
2,66
2,65
2,64
2,63
2,63
2,60
2,59
2,59
2,58
127
14,1
7,45
5,60
4,77
4,32
4,03
3,83
3,69
3,58
3,50
3,43
3,37
3,33
3,29
3,25
3,22
3,20
3,17
3,15
3,12
3,09
3,07
3,05
3,03
2,97
2,94
2,91
2,90
2,89
2,88
2,87
2,84
2,83
2,82
2,81
318
22,3
10,2
7,17
5,89
5,21
4,79
4,50
4,30
4,14
4,02
3,93
3,85
3,79
3,73
3,69
3,65
3,61
3,58
3,55
3,50
3,47
3,43
3,41
3,39
3,31
3,26
3,23
3,21
3,20
3,18
3,17
3,13
3,12
3,11
3,10
637
31,6
12,9
8,61
6,87
5,96
5,41
5,04
4,78
4,59
4,44
4,32
4,22
4,14
4,07
4,01
3,97
3,92
3,88
3,85
3,79
3,75
3,71
3,67
3,65
3,55
3,50
3,46
3,44
3,42
3,40
3,39
3,34
3,32
3,31
3,30
0,67
1,28
1,64
1,96
2,33
2,58
2,81
3,09
3,29
186
2
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
99
90
75
50
30
20
10
5
2
1 0,1
0,000157 0,0158 0,102 0,455 1,07 1,64 2,71 3,84 5,41 6,63 10,8
0,0201 0,211 0,575 1,39 2,41 3,22 4,61 5,99 7,82 9,21 13,8
0,115 0,584 1,21 2,37 3,66 4,64 6,25 7,81 9,84 11,3 16,3
0,297
1,06 1,92 3,36 4,88 5,99 7,78 9,49 11,7 13,3 18,5
0,554
1,61 2,67 4,35 6,06 7,29 9,24 11,1 13,4 15,1 20,5
0,872
2,20 3,45 5,35 7,23 8,56 10,6 12,6 15,0 16,8 22,5
1,24
2,83 4,25 6,35 8,38 9,80 12,0 14,1 16,6 18,5 24,3
1,65
3,49 5,07 7,34 9,52 11,0 13,4 15,5 18,2 20,1 26,1
2,09
4,17 5,90 8,34 10,7 12,2 14,7 16,9 19,7 21,7 27,9
2,56
4,87 6,74 9,34 11,8 13,4 16,0 18,3 21,2 23,2 29,6
3,05
5,58 7,58 10,3 12,9 14,6 17,3 19,7 22,6 24,7 31,3
3,57
6,30 8,44 11,3 14,0 15,8 18,5 21,0 24,1 26,2 32,9
4,11
7,04 9,30 12,3 15,1 17,0 19,8 22,4 25,5 27,7 34,5
4,66
7,79 10,2 13,3 16,2 18,2 21,1 23,7 26,9 29,1 36,1
5,23
8,55 11,0 14,3 17,3 19,3 22,3 25,0 28,3 30,6 37,7
5,81
9,31 11,9 15,3 18,4 20,5 23,5 26,3 29,6 32,0 39,3
6,41
10,1 12,8 16,3 19,5 21,6 24,8 27,6 31,0 33,4 40,8
7,01
10,9 13,7 17,3 20,6 22,8 26,0 28,9 32,3 34,8 42,3
7,63
11,7 14,6 18,3 21,7 23,9 27,2 30,1 33,7 36,2 43,8
8,26
12,4 15,5 19,3 22,8 25,0 28,4 31,4 35,0 37,6 45,3
8,90
13,2 16,3 20,3 23,9 26,2 29,6 32,7 36,3 38,9 46,8
9,54
14,0 17,2 21,3 24,9 27,3 30,8 33,9 37,7 40,3 48,3
10,2
14,8 18,1 22,3 26,0 28,4 32,0 35,2 39,0 41,6 49,7
10,9
15,7 19,0 23,3 27,1 29,6 33,2 36,4 40,3 43,0 51,2
11,5
16,5 19,9 24,3 28,2 30,7 34,4 37,7 41,6 44,3 52,6
12,2
17,3 20,8 25,3 29,2 31,8 35,6 38,9 42,9 45,6 54,1
12,9
18,1 21,7 26,3 30,3 32,9 36,7 40,1 44,1 47,0 55,5
13,6
18,9 22,7 27,3 31,4 34,0 37,9 41,3 45,4 48,3 56,9
14,3
19,8 23,6 28,3 32,5 35,1 39,1 42,6 46,7 49,6 58,3
15,0
20,6 24,5 29,3 33,5 36,3 40,3 43,8 48,0 50,9 59,7
15,7
21,4 25,4 30,3 34,6 37,4 41,4 45,0 49,2 52,2 61,1
16,4
22,3 26,3 31,3 35,7 38,5 42,6 46,2 50,5 53,5 62,5
17,1
23,1 27,2 32,3 36,7 39,6 43,7 47,4 51,7 54,8 63,9
17,8
24,0 28,1 33,3 37,8 40,7 44,9 48,6 53,0 56,1 65,2
18,5
24,8 29,1 34,3 38,9 41,8 46,1 49,8 54,2 57,3 66,6
19,2
25,6 30,0 35,3 39,9 42,9 47,2 51,0 55,5 58,6 68,0
20,0
26,5 30,9 36,3 41,0 44,0 48,4 52,2 56,7 59,9 69,3
20,7
27,3 31,8 37,3 42,0 45,1 49,5 53,4 58,0 61,2 70,7
21,4
28,2 32,7 38,3 43,1 46,2 50,7 54,6 59,2 62,4 72,1
22,2
29,1 33,7 39,3 44,2 47,3 51,8 55,8 60,4 63,7 73,4
187
Index
Asymptotes...........................88
Calcul d'incertitude...............46
Capacit thermique.................1
Chi 2.....................................69
Classe................................6, 32
Clous.....................................92
Coefficient d'aplatissement 141
Coefficient de corrlation.....40
Coefficient de dissymtrie..141
Coefficient de Student...12, 53,
186
Compensations.............47, 101
Conductivit thermique........83
Confiance..............................12
Dcomposition en gaussiennes
..............................................92
Densit de probabilit.....18, 95
Drive partielle...........52, 140
Ds............................15, 33, 98
Dtente de Joule Gay-Lussac
............................................113
Dveloppement limit..........74
Diffusion.............................185
Dispersion...........................110
Distribution de Gauss.....10, 18
Droites extrmes...........54, 134
Eaux minrales...................121
cart....................................111
cart moyen......................3, 31
188
Incertitude relative..........12, 48
Incertitude-type..................110
Indice............................81, 128
Intgrale........................19, 141
Intgrale multiple.................35
Intervalle de confiance...54, 88
Intervalle de prdiction...55, 88
Isolant...................................32
Justesse.........................27, 110
Linarisation...................60, 73
Loi de probabilit triangulaire
......................................98, 105
Loi de probabilit uniforme..95
Macrotat............................115
Mdiane..................................2
Mesurage............................110
Mesurande..........................110
Mesure optique...................133
Mthode des petites variations
..............................................66
Mthode itrative......57, 70, 73
Mtrologie..........................105
Microtat............................115
Miroir sphrique.................132
Mode.......................................1
Moindres carrs........51, 57, 68
Moment..............................141
Montage longue drivation.162
Moyenne.................................2
Moyenne arithmtique............2
Moyenne gomtrique............2
Nuages de points..................42
Ordonne l'origine.............52
Parfaite................................104
Pente.....................................52
Physique statistique............115
Pile lectrique.......................86
Prdiction..............................55
Prisme...........................82, 128
Produit de convolution...93, 97
Rgression avec barres
d'erreurs................................57
Rgression gnralise.........68
Rgression linaire...............51
Rgression multiple..............68
Rgression non linaire........73
Rgression parabolique........71
Rgression polynomiale.......70
Rptabilit...................27, 110
Reproductibilit............27, 110
Rsidu.............................52, 69
Rsistance thermique....83, 124
Rsolution...............27, 93, 110
Spectre de raie......................82
Test d'hypothse...................22
Test du Khi-deux..................24
Thorme central limite.......10,
101
Valeur vraie........................110
Variance..................19, 96, 101
Vernier................................129
Zro absolu...........................55
189