cision dun re

sultat et calculs
Pre
dincertitudes

PSI* 2012-2013
Lyc
ee Chaptal

Table des mati`eres

Table des mati`

eres
1. Pr
esentation dun r
esultat num
erique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1 Notations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a) Notation scientique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
b) Notation ingenieur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Chires signicatifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a) Nombre de chires signicatif dun resultat numerique . . . . . . . . . . . . . . .
b) Precision dun resultat numerique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3 Chires signicatifs et operations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4
4
4
4
4
4
4
5

2. Pr
esentation dun r
esultat exp
erimental . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1 Resultat dune mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Chires signicatifs du resultat dune mesure . . . . . . . . . . . . . . . . . . . . . . . . . .

5
5
5

3. Incertitudes des mesures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

3.1 Erreur systematique et erreur aleatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Calculs classiques dincertitude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a) Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
b) Incertitude liee `a un appareil de mesure . . . . . . . . . . . . . . . . . . . . . . . . . . . .
c) Critiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
d) Interets des calculs dincertitudes classiques . . . . . . . . . . . . . . . . . . . . . . . .
e) Exemple de calcul : celerite dune onde ultrasonore . . . . . . . . . . . . . . . . . .

6
6
7
7
8
8
9
9

4. Analyse statistique dune s

erie de mesures . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1 Mesures independantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Loi gaussienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Exploitation statistique dune serie de mesures . . . . . . . . . . . . . . . . . . . . . . . . .
a) Estimations de la valeur exacte et de lecart-type . . . . . . . . . . . . . . . . . . . .
b) Intervalle de conance (methode de Student) . . . . . . . . . . . . . . . . . . . . . . .
4.4 Interet de choisir la moyenne comme estimateur de la grandeur mesuree . . .
4.5 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10
10
10
12
12
12
13
14

1. Presentation dun resultat numerique

1. Pr
esentation dun r
esultat num
erique
1.1 Notations
a) Notation scientique
La notation (ou ecriture) scientique est une representation dun nombre reel sous la
forme dun produit de deux facteurs. Le premier facteur est un nombre decimal dont la
valeur absolue de la partie enti`ere est un chire comprise entre 1 et 9. Le second facteur
est une puissance enti`ere de 10. Exemple : T = 298 K secrit en notation scientique
T = 2, 98.102 K.
b) Notation ing
enieur
La notation ingenieur consiste `a exprimer un nombre reel sous la forme x 10n , o`
u x est
un nombre compris entre 1 et 999 et n est un entier multiple de 3. Exemple : U = 0, 045 V
secrit en notation ingenieur U = 45.103 V = 45 mV.

1.2 Chires signicatifs

a) Nombre de chires signicatif dun r
esultat num
erique
Dans un resultat numerique, tous les chires autre que zero sont signicatifs. Les zeros
sont signicatifs lorsquils se trouvent entre dautres chires ou `a leur droite ; ils ne le
sont pas lorsquils se trouvent `a leur gauche. Exemples :

3, 2 contient 2 chires signicatifs ;

3, 20 contient 3 chires signicatifs ;
0, 32 contient 2 chires signicatifs ;
3200 contient 4 chires signicatifs.

Signalons quun nombre entier naturel est considere comme possedant un nombre illimite
de chires signicatifs ; il en est de meme de son inverse.
b) Pr
ecision dun r
esultat num
erique
La precision dun resultat numerique augmente avec le nombre de chires signicatifs
exprime. Le dernier chire est alors incertain. Exemples :
L = 12, 597 km = 12, 597.103 m (5 chires signicatifs) signie que
12596, 5 m < L < 12597, 5 m ;
L = 12, 60 km = 12, 60.103 m (4 chires signicatifs) signie que
12595 m < L < 12605 m ;
L = 12, 6 km = 12, 6.103 m (3 chires signicatifs) signie que
12550 m < L < 12650 m .

2. Presentation dun resultat experimental

1.3 Chires signicatifs et op

erations
Il faut toujours arrondir le resultat nal fourni par la calculatrice an de lexprimer avec
une precision egale `a celle de la donnee utilisee la moins precise. Par exemple, le resultat
de la multiplication
36, 54 58, 4 = 2133, 936 doit etre arrondi `a 2, 13.103 ,
car la donnees la moins precise (58, 4) contient 3 chires signicatifs. De meme, apr`es une
addition ou une soustraction, le resultat ne doit pas avoir plus de decimales que le nombre
qui en comporte le moins :
220, 2 + 968, 114 12, 51 = 1175, 804 doit etre arrondi `a 1175, 8 .

2. Pr
esentation dun r
esultat exp
erimental
2.1 R
esultat dune mesure
Considerons une grandeur physique A dont la valeur exacte est notee ae . Une mesure
netant jamais parfaite, la valeur ae nest pas accessible par lexperience, il sagit dune
valeur inconnue pour lexperimentateur. Une mesure est en eet toujours entachee
derreurs dont les causes sont multiples : materiel employe, qualication de lexperimentateur eectuant la mesure, methode utilisee, inuence de lenvironnement de la grandeur
mesuree...
Pour chaque mesure dune grandeur physique A, il faut idealement presenter le resultat
de la mesure sous la forme dun intervalle :
A=a
a
o`
u
a
est lestimateur de la valeur exacte ae ; a = b
a ae represente alors lerreur commise
sur la mesure de A ;
a est lincertitude sur la mesure de A telle que la probabilite p pour que lintervalle
numerique [
a A ; a
+A] contienne la valeur exacte ae soit assez elevee (par exemple
p = 95%).
Exemple : U = 2, 480, 02 V signie que la valeur exacte de la tension U a une probabilite
elevee dappartenir `a lintervalle [2, 46 V ; 2, 50 V].

2.2 Chires signicatifs du r

esultat dune mesure
On expliquera dans les prochains chapitres la mani`ere devaluer lincertitude dune mesure.
Mais retenons dores et dej`a les r`egles decriture du resultat dune mesure, r`egles qui
decoulent des consequences des arrondis de a
et a sur les variations tolerables de
lintervalle de mesure.

3. Incertitudes des mesures

On exprimera lincertitude a avec au plus 2 chires signicatifs.

On conservera pour lestimateur a les chires signicatifs qui interviennent dans a.
Exemple : le resultat U = 2, 5785 0, 0127 V devra etre mis sous la forme nale
U = 2, 578 0, 013 V.
En labsence de calcul dincertitude, le resultat dune mesure sera ecrit avec au plus
3 chires signicatifs.
En eet, avec le materiel utilise au lycee, la precision est en general de lordre de 1%, ce
qui conduit `a ecrire les resultats des mesures avec 2 ou 3 chires signicatifs.

3. Incertitudes des mesures

3.1 Erreur syst
ematique et erreur al
eatoire
Une erreur systematique aecte le resultat constamment et toujours dans le meme
sens, elle contribue `a toujours surevaluer, ou toujours sous-evaluer, la valeur mesuree.
Exemples de causes derreurs syst
ematiques

Mauvais etalonnage dun appareil.

Mauvais reglage du zero dun appareil (balance par exemple).
Vieillissement des composants.
Le protocole experimental peut introduire une erreur systematique. Par exemple, si lon
desire mesurer `a la fois la tension aux bornes dun dipole et le courant qui le traverse,
on peut realiser deux montages possibles :

Montage longue drivation :

Montage courte drivation :

diple

diple

3. Incertitudes des mesures

Ces deux montages introduisent des erreurs systematiques.

Dans le montage longue derivation, le voltm`etre mesure la somme des dierences de
potentiel du dipole et de lamp`erem`etre.
Dans le montage courte derivation, lamp`erem`etre mesure la somme des courants
traversant le dipole et le voltm`etre.
Notons que pour des multim`etres numeriques, le montage courte-derivation est `a
privilegier car le courant traversant un voltm`etre numerique est tr`es faible (resistance
interne de lordre de 10 M) alors que la chute de tension due `a un amp`erem`etre
numerique nest pas negligeable.
Une erreur est aleatoire lorsque, dune mesure `a lautre, la valeur obtenue peut etre
surevaluee ou sous-evaluee par rapport `a la valeur exacte de la grandeur.
Exemples de causes derreurs al
eatoires
Un exemple derreur aleatoire est la mesure du temps avec un chronom`etre. Lerreur
vient du temps de reaction de lexperimentateur au demarrage et `a larret du chronom`etre.
Comme ce temps de reaction nest pas toujours le meme, la valeur mesuree peut etre
surevaluee ou sous-evaluee.
Parasites du circuit dalimentation en electronique.
Fluctuations des param`etres physiques de lenvironnement (temperature, pression, humidite de laire...).
Remarque : une erreur donnee peut, suivant les conditions, apparatre comme systematique ou aleatoire. Considerons par exemple le cas de lerreur de parallaxe1 : si loperateur
se place toujours sous le meme angle par rapport `a la perpendiculaire `a la graduation dun
appareil de mesure, il introduira une erreur systematique dans ses lectures. Par contre,
sil se place de mani`ere aleatoire par rapport `a la perpendiculaire `a la graduation, lerreur
de parallaxe sera aleatoire.

3.2 Calculs classiques dincertitude

a) M
ethode
Soit une grandeur A = f (x, y, z) o`
u x, y et z representent les mesures primaires.
Lincertitude sur la grandeur A peut etre exprimee en donnant :
soit lincertitude absolue A ;
soit lincertitude relative A/A.
Expression de la dierentielle de f :
df =

f
f
f
dx +
dy +
dz .
x
y
z

On note x, y et z, les incertitudes absolues sur les mesures primaires. La quantite

1

lerreur de parallaxe est langle entre la direction du regard dun observateur et la perpendiculaire `
a la graduation
dun appareil de mesure, amenant `
a une erreur de lecture de la mesure eectuee.

3. Incertitudes des mesures

 
 
 
 f 
 f 
 f 
A =   x +   y +   z
x
y
z
donne une estimation de lincertitude de mesure sur la grandeur A.
R`egles de calcul classiques :
A=x+y+z

A = x + y + z ;

A = xm y n

A
x
y
= |m|
+ |n|
.
|A|
|x|
|y|

b) Incertitude li
ee `
a un appareil de mesure
An devaluer lincertitude liee `a un appareil de mesure, on peut utiliser les indications
du constructeurs (notice). Cette procedure demeure valable si lappareil est reguli`erement
re-etalonne.
Pour un appareil `a aiguille, il est preferable de lutiliser, si possible, pas trop loin de
la pleine echelle an dobtenir une incertitude relative faible. Un appareil `a aiguille de
classe p signie quil introduit une incertitude relative de p % sur une mesure egale
au calibre. Exemple : un appareil de classe 2 comportant 150 divisions introduira une
2
incertitude absolue de
150 soit 3 divisions et ceci quelle que soit lamplitude de
100
la deviation.
Pour les appareils numeriques, lincertitude absolue comprend souvent un pourcentage
de la valeur mesuree plus un terme constant. Par exemple, la notice dun voltm`etre
donne comme information sur lincertitude : 0, 5% +1 digit (cest-`a-dire 1 unite sur
le dernier chire). Mesurons une meme tension U en utilisant deux calibres dierents.
Achage du voltm`etre sur le calibre 200 mV : 150,0. Lincertitude de mesure vaut
alors :
0, 5
150, 0 + 0, 1 soit U = 0, 85 mV ;
U =
100
Achage du voltm`etre sur le calibre 20 V : 00,15. Lincertitude de mesure vaut
alors :
U =

0, 5
0, 15 + 0, 01 = 1, 075.102 V soit U = 10, 75 mV ;
100

On pourra retenir quil faut utiliser le plus petit calibre possible (ici 200 mV) pour
benecier du maximum de precision lors de la mesure.
c) Critiques
Cette etude ne prend pas en compte toutes les causes derreur. Par exemple, lors de
letude de la resonance dun circuit RLC, il faut apprecier la frequence pour laquelle
le courant passe par un maximum. Cette imprecision est, en general, tr`es superieure
`a celle deduite de lindication dun frequencem`etre.
Les incertitudes sur les mesures primaires sont souvent estimees de mani`ere empirique,
`a moins de disposer de la notice des appareils de mesure.

3. Incertitudes des mesures

Le niveau de conance quon peut accorder aux diverses incertitudes nest pas precise.
On suppose quil est proche de 100%. Pour garder un tel niveau de conance, le calcul
consid`ere que toutes les erreurs vont dans le mauvais sens (do`
u les valeurs absolues
dans les calculs) et cela conduit `a des incertitudes assez grandes.
d) Int
er
ets des calculs dincertitudes classiques
Les calculs dincertitudes classiques ont tout de meme des qualites.
Ils permettent de voir les grandeurs sur lesquelles devra porter lamelioration de la
precision. Exemple : la loi pour la chute libre g = 2h/t2 montre quune erreur sur la
mesure du temps t aura plus de repercussion quune erreur sur la hauteur h.
Ils fournissent un ordre de grandeur correct. En particulier, sil sagit de mesurer une
meme grandeur par plusieurs methodes, il est utile de pouvoir dire quelle est la plus
precise.
Au nal, il est necessaire dadapter le nombre de chires signicatifs dune mesure `a son
incertitude (cf. chapitre 2).
e) Exemple de calcul : c
el
erit
e dune onde ultrasonore
La mesure de la longueur donde dune onde ultrasonore fournit le resultat :
= 8, 630 0, 018 mm .
Do`
u lincertitude relative sur :

0, 018
=
= 2, 1.103 .

8, 630
La notice de lemetteur de londe ultrasonore fournit comme valeur de la frequence
f0 = 40, 0 kHz, par consequent 39950 Hz < f0 < 40050 Hz. Lincertitude relative sur
la frequence a donc pour valeur :
f0
50
=
= 1, 2.103 .
3
f0
40, 0.10
Valeur de la celerite de londe : c = f0 = 345, 24 ms1 . En dierentiant de facon
logarithmique la relation c = f0 , on obtient lincertitude relative puis absolue sur c :
f0
c
=
+
= 3, 3.103
c

f0

soit c = 1, 1 ms1 .

Do`
u la valeur experimentale de la mesure de la celerite : c = 345, 2 1, 1 ms1 .

4. Analyse statistique dune serie de mesures

10

4. Analyse statistique dune s

erie de mesures
Lanalyse statistique represente une autre alternative pour les calculs dincertitudes. Cette
demarche sapplique aux erreurs aleatoires.

4.1 Mesures ind

ependantes
Des mesures sont considerees comme independantes si elles sont eectuees par des manipulateurs dierents sur des appareillages dierents (mais du meme type) en suivant
le meme protocole. Exemple : mesure dune grandeur physique dun meme objet par
dierents groupes de TP equipes du meme type de materiel.
Dans le cas contraire (manipulateurs utilisant successivement le meme materiel ou
manipulateur unique utilisant successivement plusieurs appareils), les mesures sont dites
correlees.

4.2 Loi gaussienne

Supposons que nous disposions dun grand nombre n de mesures independantes xi dune
meme grandeur X. On note x, la moyenne arithmetique de ces mesures :
n
xi
x = i=1 .
n
En labsence derreur syst
ematique, on estime que la moyenne x des mesures tend
vers la valeur exacte xe lorsque n tend vers linni :
lim x = xe .

On note P (x) la distribution de probabilite associee `a la variable aleatoire x : la quantite

P (x)dx represente alors la probabilite de trouver la valeur de la mesure dans lintervalle
[x; x + dx].
Dans un grand nombre de situations, la probabilite de trouver une valeur x en mesurant
la grandeur X, obeit `a une loi de Gauss :
]
[
1
(x xe )2
(expression non exigible)
P (x) = exp
2 2
2
o`
u
la quantite est appele ecart-type quadratique moyen ;

la constante 1/ 2 permet de normaliser la loi de probabilite :

P (x)dx = 1 .

Cette loi est tr`es repandue car il sut que les causes des erreurs aleatoires soient multiples et dimportance comparable pour quelle soit veriee.

11

4. Analyse statistique dune serie de mesures

La valeur exacte de X represente la moyenne de cette distribution de probabilite :

xe = x =
xP (x)dx .

Lecart-type quadratique moyen verie la relation

= (x xe )2 =
(x xe )2 P (x)dx .

La probabilite quune mesure xi tombe dans lintervalle [xe 2, xe + 2] est

xe +2
P (x)dx = 0, 954 .
xe 2

Le tableau suivant donne la probabilite quune mesure xi tombe dans un intervalle

centre sur la valeur exacte xe :
Intervalle de conance

Probabilite

[xe , xe + ]

68%

[xe 1, 96, xe + 1, 96]

95%

[xe 2, xe + 2]

95, 4%

[xe 2, 58, xe + 2, 58]

99%

[xe 3, xe + 3]

99, 7%

P(x)

2
2
xe

4. Analyse statistique dune serie de mesures

12

4.3 Exploitation statistique dune s

erie de mesures
Comme experimentalement, on na souvent quun petit nombre n de mesures independantes
(n variant de 5 `a 20 par exemple), on na acc`es ni `a xe , ni `a mais seulement `a une estimation de ces grandeurs.
a) Estimations de la valeur exacte et de l
ecart-type
Les mathematiques permettent de montrer que le meilleur estimateur x
b de la valeur exacte
xe (valeur moyenne de la distribution P (x)) est la moyenne arithmetique des n mesures
independantes, de qualite comparable (donc apr`es avoir ecarte les mesures manifestement
aberrantes, signes dun incident de manipulation) :
n
xi
x
b = x = i=1 .
n
On admettra egalement que le meilleur estimateur de est donne par lecart-type
experimental de la serie de mesure :

n
2
i=1 (xi x)
n1 =
.
n1
Propriete :
lim n1 = .

Remarque : reperer n1 dans la liste des fonctions pre-programmees de vos calculatrices1 .

b) Intervalle de conance (m
ethode de Student)
Dans lhypoth`ese o`
u toute erreur systematique a ete ecartee et o`
u les mesures individuelles
xi sont reparties selon une loi gaussienne, il est possible dapprocher la valeur exacte xe
de la grandeur X avec une certaine probabilite.
Soit tn,p un coecient, appele coecient de Student, dependant du nombre n de
mesures et du degre de probabilite souhaite (p %). La valeur exacte xe a alors une probabilite de p % de se trouver dans lintervalle deni ci-dessous, appele intervalle de conance :
[
]
n1
n1
x tn,p ; x + tn,p
.
n
n
Par consequent :
n
X = x x avec x
b=x=

i=1

xi

n1
et x = tn,p .
n

la notation de cette fonction peut changer dune calculatrice `

a lautre, n1 est parfois note Sn ou Sx

13

4. Analyse statistique dune serie de mesures

Le coecient tn,p est tabule en fonction du nombre de mesures n pour dierents niveaux
de conance p. Par exemple, pour p = 95% et p = 99%, on a
n

10

11

12

tn,95%

4, 30

3, 18

2, 78

2, 57

2, 45

2,37

2,31

2,26

2,23

2,20

tn,99%

9, 93

5, 84

4, 60

4, 03

3, 71

3,50

3,36

3,25

3,17

3,11

13

14

15

16

17

18

19

20

21

22

tn,95%

2,18

2,16

2,14

2,13

2,12

2,11

2,10

2,09

2,09

2,08

tn,99%

3, 05

3, 01

2,95

2,92

2,90

2,88

2,86

2,85

2,83

2,98

Limites des coecients de Student pour les niveaux de conance p = 95% et p = 99% :
lim tn,95% = 1, 96 et

n+

lim tn,99% = 2, 58 .

n+

Commentaires
Pour un meme nombre n de mesures independantes, le coecient de Student tn,p augmente avec le niveau de conance p souhaite.
Pour un meme niveau de conance p donne, tn,p decrot lorsque n augmente. Mais les
variations de tn,p avec n sont assez faibles. Par exemple, pour n 10, on a :
1, 96 tn,95% 2, 26 et 2, 58 tn,99% 3, 25 .
Le coecient de Student tn,p variant assez faiblement avec n, la largeur de lintervalle
de conance, liee `a la precision de la mesure,
n1
x = tn,p
n

depend donc essentiellement du facteur n qui divise n1 .

4.4 Int
er
et de choisir la moyenne comme estimateur de la
grandeur mesur
ee
Cas dune mesure unique. Nous avons etablis que la probabilite pour quune mesure
unique xi appartienne `a lintervalle [xe 1, 96, xe + 1, 96] est de 95%.
Cas dune s
erie de mesure. Pour n 20, la valeur exacte xe a une probabilite de
95% dappartenir `a lintervalle
[
]
n1
n1
x tn,95 ; x + tn,95
avec tn,95% 2 .
n
n
n1 etant un bon estimateur de , le fait de choisir la moyenne arithmetique x comme
estimateur dela grandeur mesuree permet donc de diminuer lincertitude sur la mesure
dun facteur n par rapport `a une mesure unique.

4. Analyse statistique dune serie de mesures

14

Dans le cas o`
u les coecients de Student ne sont pas fournis, on pourra ecrire le resultat
dune serie de mesures sous la forme (valable pour n 10) :
n
X = x x avec x
b=x=

i=1

xi

n1
et x 2
n

pour p 95% .

4.5 Exemple
Serie de mesures (n = 6) de lintensite du champ de pesanteur g (ms2 ) :
9, 68 ; 9, 85 ; 9, 85 ; 9, 77 ; 9, 87 ; 9, 79.
Valeur moyenne de g : g = 9, 80167 ms2 .
Methode de Student :
n1 = 7, 11.102

tn,95% = 2, 57 pour n = 6 mesures.

Incertitude sur la moyenne :

g = 2, 57

7, 11.102

= 0, 075 ms2 .
6

Resultat de la serie de mesures :

g = 9, 802 0, 075 ms2 .
Intervalle de conance `a 95% :
[9, 802 0, 075 ; 9, 802 + 0, 075] = [9, 727 ; 9, 877] .
- - FIN - -