Académique Documents
Professionnel Documents
Culture Documents
Facult de technologie
Dpartement gnie lectrique
Option automatique
Mini projet
Prsent par:
responsable de module
PLAN DE TRAVAIL
1 INTRODUCTION:
La mthode du maximum de vraisemblance et celle des moindres carrs sont les outils
de la thorie des erreurs ou de l'estimation, utiliss tous les jours dans toutes les sciences
d'observation.
La thorie des erreurs a t dveloppe pour rsoudre trois problmes :
Combiner les erreurs pour choisir une valeur "juste milieu", trouver la loi de densit de
probabilit (loi normal appele par ailleurs loi Gauss-Laplace ....) des erreurs, choisir une
dmarche pour dterminer des quantits dans un systme d'quations surdtermin.
L'estimation du maximum de vraisemblance est une mthode statistique courante utilise
pour infrer les paramtres de la distribution de probabilit d'un chantillon de mesures
donn.
La mthode des moindres carrs permet de comparer des donnes exprimentales,
gnralement entaches derreurs de mesure un modle mathmatique cens dcrire ces
donnes.
Ce modle peut prendre diverses formes. Il sagira en gnral de lois de conservation
que les quantits mesures doivent respecter. La mthode des moindres carrs permet alors de
minimiser limpact des erreurs exprimentales et valuer les valeurs plus probables des
paramtres de la loi recherche, ainsi ajoutant de linformation dans le processus de mesure.
Fig 1
et
ou (
est la premire
fig 2
Le minimum de cette expression est trouv quand les deux drives partielles S/a
et S/ sont gales zro:
O les
Sont n fonctions quelconques de la variable x.
Un tel cas est trs courant en pratique: tous les types de rgressions Proposs son
linaires sauf la puissance.
Plus gnralement tout modle polynomial est linaire, avec
Aussi, de trs nombreux modles utiliss en sciences exprimentales sont des
dveloppements polynomiaux sur des bases fonctionnelles classiques (splines, bases de
Fourier, bases d'ondelettes, etc.).
Dans le cas le plus gnral on trouve que les
fonction linaire :
-La matrice j est appele matrice jacobenne du problme. C'est une matrice
rectangulaire, de dimension N x n, avec gnralement N >> n.
Elle contient les valeurs des fonctions de base
pour chaque point de mesure.
-La matrice diagonale W est appele matrice des poids: elle prend en compte le fait que
chaque valeur de peut tre affect dun cart type diffrent.
Si ce nest pas le cas, W peut tre remplac par la matrice unit.
obtient le
On crit ces k+1 relations pour tous les n points Pi, de coordonnes xi, yi, puis l'on somme
toutes les quations par catgorie.
On obtient ainsi:
Voici lalgorithme qui rsume les dmarche suivre fin parvenir au rsultat dsir :
Soit un systme dcrit par lquation aux diffrences suivante :
u(k) : lentre.
y(k) : la sortie.
e(k) : le bruit.
Lobjectif est de trouver les valeurs des paramtres
On utilise lestimateur suivant :
est le vecteur des paramtres estimes.
X est une matrice forme des entres et des sorties du systme
.
Pour (N-n) chantillons des mesures
la matrice X prend la forme suivante :
M
ethode des moindres carr
es
1. Lensemble des solutions est
1
0
2
1/2
S=
+
, R .
3
3/2
2. Le syst`eme na pas de solution.
1 et1
c1
...
= b avec A = ...
A
, et b =
c2
1 etn
2.2
y1
.. .
.
yn
Travaux pratiques.
0.8018
>> A1*z1
ans =
1.0e-15 *
-0.1110
-0.1110
>>z1= null(A1,r) %On obtient un vecteur de coordonnees rationelles.
z1 =
-0.6667
-0.3333
1.0000
>> A1*z1 %Cette fois, on a bien 0.
ans =
0
0
2. >> A2=[ 1 1; 2 -1; 0 1];
>> b2=[2 0 -2];
>> y2=A2\b2
y2 =
0.4286
0.1429
Matlab rend une solution, alors quil ny en a pas ! En fait, Matlab rend le vecteur x
qui minimise kA2x b2k2 .
3. >> t=[0 0.3 0.8 1.1 1.6 2.3];
>> A3=[ones(6,1) exp(-t)];
>> b3=[0.82 0.72 0.63 0.6 0.55 0.5];
>> y3=A3\b3;
>> x=[0:0.01:2.5];
>> y=y3(1)+y3(2)*exp(-x);
>> plot(x,y,t,b3,+r)
>> title(Moindre carres)
>> xlabel(t)
>> ylabel(y)
On obtient la figure 1
Moindre carres
0.9
0.85
0.8
0.75
0.7
0.65
0.6
0.55
0.5
0.5
1.5
2.5
Conclusion
La rsolution dun problme de moindres carrs via les quations normales possde
deux Inconvnients majeures. Dune part, la perturbation due aux erreurs darrondi
lorsque lon Passe par les quations normales peut tre importante.
En eet, si la matrice des donnes A est lgrement perturbe : A= A + A, le passage
aux quations normales va amplier la perturbation :
alors quen passant par dautres mthodes de rsolution
(par exemple factoriser A sous la forme QR ou Q est orthogonale et R triangulaire) la
perturbation des donnes sera moindre.
Dautre part, le calcul de
peut faire intervenir des overflow ou underflow parasites
comme dans lexemple suivant : soit la matrice des donnes suivante :
Avec
On a bien
On a alors