Vous êtes sur la page 1sur 13

ANALYSE DE RESULTATS EXPERIMENTAUX

------------

Sommaire

1. ANALYSE DE RESULTATS DE PLUSIEURS MESURES DUNE MME GRANDEUR :.............................2

1.1. LE PROBLME :......................................................................................................................................................2


1.2. QUELQUES NOTIONS INDISPENSABLES DE STATISTIQUE........................................................................................2
1.2.1. Population thorique : distribution normale :.............................................................................................2
1.2.2. Intrt de lcart type :.................................................................................................................................3
1.3. CAS 1 : ON DISPOSE DUN TRS GRAND NOMBRE DE RSULTATS DE MESURES (N>100).......................................3
1.3.1. Estimation de la moyenne thorique de la population l'aide de la moyenne x d'un chantillon de n
rsultats de mesures :...................................................................................................................................................4
1.3.2. Estimation de (cart type thorique de la population) laide de e (cart type de l'chantillon).........5
1.4. CAS 2 ; ON DISPOSE DUN PETIT NOMBRE DE MESURES (N ENTRE 5 ET 100)........................................................6
1.5. CAS 3 : ON NE DISPOSE QUE DE TRS PEU DE MESURES (2 5)............................................................................7
1.6. CAS 4 : ON NE DISPOSE QUE DUNE SEULE MESURE..............................................................................................7
2. LA VALEUR D'UNE GRANDEUR EST CALCULE PARTIR DE RSULTATS DE MESURES DE
PLUSIEURS AUTRES GRANDEURS : PROPAGATION DES ERREURS...............................................................8

2.1 VARIANCE DE LA GRANDEUR CALCULE....................................................................................................................8


2.2 CAS DE GRANDEURS INDPENDANTES........................................................................................................................9
3. ANNEXES.................................................................................................................................................................11

3.1. TABLE DE STUDENT :..........................................................................................................................................11


3.2. TABLE DU KHI2...................................................................................................................................................12
3.3. PROPAGATION DES ERREURS...............................................................................................................................13

----------------------------

Bibliographie:
Modlisation et estimation des erreurs de mesures
M. Neuilly CETAMA
Tech & doc. (1993)
Les outils informatiques d'investigation scientifique dans l'enseignement des Sciences Physiques
Actes de l'Universit d't 1995
Article "Statistiques appliques l'exploitation de mesures" B. Velay
UdP INRP Universit de Nantes
Analyse statistique des donnes
R. Bertrand
Presse de l'universit du Qubec 1986

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 1
1. Analyse de rsultats de plusieurs mesures dune mme grandeur :

1.1. Le problme :

On a ralis n mesures avec le mme appareillage et dans de bonnes conditions, dune mme grandeur x
(par exemple, la valeur de g, la valeur dune rsistance )
Ces mesures reprsentent-elles la valeur de la grandeur mesurer ?
Quelle confiance peut-on leur faire ?
Comment prsenter le rsultat sans friser le ridicule ?

Plus prcisment :
n
1
Si on calcule la valeur moyenne des n rsultats xi de mesures x
n x
1
i

et la variance 2
(x
i
i x) 2
e
(n 1)
Peut-on dire que x reprsente la grandeur que lon veut dterminer ?
Et 2e donne-t-il une ide de lincertitude du rsultat ?

Pour rpondre ces questions plusieurs cas vont se prsenter selon le nombre de rsultats de mesures
disponibles :

Cas 1 : on dispose dun trs grand nombre de rsultats (n> 100)


Cas 2 : on dispose dun nombre assez petit de rsultats mais pas ridicule (5 100)
Cas 3 : on dispose dun petit nombre de rsultats de mesures (2 5)
Cas 4 : on ne dispose que d'un seul rsultat

1.2. Quelques notions indispensables de statistique

On appelle distribution des rsultats la rpartition du nombre de rsultats obtenus par valeur de ces rsultats

1.2.1.Population thorique : distribution normale :


Si les conditions de mesurages sont optima, pas de biais, pas de fatigue du matriel et de lexprimentateur,
chaque rsultat pouvant tre considr comme indpendant des autres alors :
Si le nombre N des rsultats xi est trs grand on peut considrer que cet ensemble constitue la population
entire des rsultats (tous les rsultats possibles).
La distribution de ceux-ci est une distribution normale . Elle est caractrise par :

Un profil en cloche , symtrique (voir graphique plus loin)


1
Une moyenne N
i

x i , valeur au maximum de la distribution

2
Une variance N (x i ) 2 et un cart type
1
N (x i ) 2
i i
et sont des caractristiques de la distribution de la population des rsultats ; Ils dpendent du dispositif
exprimental, de lhabilet de lexprimentateur. exprime la dispersion de ceux-ci.
Le problme est que bien sur cette population est thorique (on ne possde pas linfinit des rsultats) et
que lon ne connat pas les valeurs relles de et .

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 2
distribution normale

0,14
Effectif des mesures donnant la valeur correspondante

0,12

0,1

0,08

68% des rsultats


0,06 se trouvent dans
cette zone

0,04

0,02


0
0 10 20 30 40 50 60 70 80 90 100 110
valeur des rsultats

Exemple dune distribution normale dun trs grand nombre de rsultats de mesures,
de moyenne =50 et dcart type = 10

1.2.2.Intrt de lcart type :


Dans une distribution normale, permet dtablir des intervalles de confiance pour des niveaux de confiance
dsirs.
Ainsi :
68% des rsultats se trouvent dans lintervalle [ - + ]
95% des rsultats se trouvent dans lintervalle [ -1,96 + 1,96 ]
99% des rsultats se trouvent dans lintervalle [ - 2,58 + 2,58 ]

Consquence :
Si on refait une seule mesure, on trouve une valeur x : celle-ci a 95 chances sur 100 de se trouver dans
lintervalle 1,96 autour de ;
et linverse, la moyenne a 95 chances sur 100 de se trouver dans lintervalle 1,96 autour de x

Mais dans les cas rels nous ne possdons pas une infinit de mesures, nous ne connaissons pas
et !

1.3. Cas 1 : on dispose dun trs grand nombre de rsultats de mesures (n>100)

On peut considrer que les n rsultats sont un chantillon de la population totale des rsultats possibles. De
la mme manire les sondages dopinion utilisent un chantillon de la population et en dduisent des valeurs
pour lensemble de la population.
Questions :
La moyenne x de cet chantillon de n rsultats de mesures est-elle reprsentative de la moyenne de la
population ? et e cart type de cet chantillon est-il reprsentatif de lcart type thorique ?

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 3
1.3.1.Estimation de la moyenne thorique de la population l'aide de la moyenne x d'un
chantillon de n rsultats de mesures :
Thorme central de la limite :
On considre tous les chantillons de taille n et leur moyenne
La distribution des moyennes de tous ces chantillons est normale, a comme moyenne et comme

cart type
n
Autrement dit :
- (moyenne de la population) est aussi la moyenne des moyennes des chantillons

- 68% des moyennes des chantillons (tous les x possibles) se trouvent dans lintervalle autour
n
de
6 8 % d e s x p o ssib le s so n t d a n s
c e t in te r v a lle

T o u s le s x p o ssib le s
n

M oye nne des x

a 6 8 % d e c h a n c e d ' tr e
d a n s c e t in te r v a lle

n

u n x p a r tic u lie r
Et donc linverse, si on a effectu n mesures dune grandeur, (un chantillon) on dtermine la moyenne
x des rsultats obtenus et l'cart type e alors :


Avec un niveau de confiance de 68% x x
n n

Avec un niveau de confiance de 95% x 196
, x 196
,
n n

Avec un niveau de confiance de 99% x 2,57 x 2,57
n n

Ce thorme permet donc de rpondre la question : x permet-il destimer ?



Oui prs au niveau de confiance de 68%.
n

1,96 au niveau de confiance de 95%
n
Remarque : pour le moment, on ne connat toujours pas la valeur de

Attention !
Il ne faudrait pas croire que lon a gagn dans la prcision dun rsultat d'une mesure en particulier ; celui-ci
a toujours 68% de chance de se trouver de la moyenne. Cest la moyenne des n rsultats qui permet
de mieux encadrer la moyenne thorique.
Multiplier le nombre de mesures permet de mieux se rapprocher de la moyenne thorique, pas daugmenter
la prcision des mesures !

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 4
Exemple : rsultats de 200 mesures de g

Valeur des rsultats 9,2 9,25 9,3 9,35 9,4 9,45 9,5 9,55 9,6 9,65 9,7 9,75 9,8
Nombre de rsultats 0 0 1 1 2 4 6 9 11 14 17 19 20
Valeur des rsultats 9,85 9,9 9,95 10 10,05 10,1 10,15 10,2 10,25 10,3 10,35 10,4 10,45
Nombre de rsultats 20 18 16 13 10 7 5 3 2 1 1 0 0

Nombre de rsultats

25
moyenne a 68% de chance d'tre dans cet intervalle
de l'chantillon

20

15

10

0
9,2 9,25 9,3 9,35 9,4 9,45 9,5 9,55 9,6 9,65 9,7 9,75 9,8 9,85 9,9 9,95 10 10,1 10,1 10,2 10,2 10,3 10,3 10,4 10,4 10,5

Nombre de mesures Moyenne x Variance : 2e Ecart type e


200 9,815 0,04 0,2

Si on confond et e on peut prtendre qu'au niveau de confiance de 95%


0,2 0,2
g est compris entre 9,815 196
, g 9,815 196
,
200 200

Soit g = 9,815 0,028 avec un intervalle de confiance de 95%

1.3.2.Estimation de (cart type thorique de la population) laide de e (cart type de


l'chantillon)

On dmontre :

- que la variance de lchantillon 2


(x
i
i x) 2
est un estimateur non biais de la variance 2 de la
e
(n 1)
population, cest dire que la variance de la population est gale la moyenne des variances e de tous
les chantillons de mme taille.
2e . (n 1)
- que la grandeur a 95 chances sur 100 de se trouver entre les valeurs : 20,025 (n 1) et
2

20,975 (n 1)
la fonction 2 (n 1) (prononcer Khi deux) est tabule dans les ouvrages de statistique pour les petites
valeurs de n.

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 5
e n 1 n1
Ainsi, on peut rpondre lestimation de par e e
0.975 0.025

Conclusion:
Lorsque le nombre de rsultats de mesures est grand :
x : moyenne des rsultats de mesures ; e: cart type de l'chantillon
A 95% de confiance :

Le rsultat peut s'crire x 196
, .
n
e n 1 n1
L'cart type est encadr par e
0.975 0.025

Si on applique cela aux 200 valeurs mesures de g on dtermine entre 0,1919 et 0,2216
Les 200 mesures de g permettent daffirmer quavec un niveau de confiance de 95%
La moyenne des mesures donne 9,815 l'cart type de l'chantillon e=0,2
Le rsultat peut donc scrire : g = 9,815 0,028
Lcart type est entre 0,19 et 0,22

1.4. Cas 2 ; on dispose dun petit nombre de mesures (n entre 5 et 100)


( x)
Lorsque le nombre de rsultats est assez petit, on dmontre que la grandeur t suit une
/ n
distribution dite de Student. Cette distribution scarte de la distribution normale dautant plus que le nombre
de mesures n est petit ; elle reste cependant symtrique mais plus crase que la distribution normale.
Autrement dit :
si x est la moyenne de lchantillon, pour un niveau de confiance de 68% la moyenne de la population
se trouve dans lintervalle t. / n autour de x

Quelques valeurs de t(,n)


n=5 n=10 n=30 n=40 n=120
Niveau de confiance
90% 2,015 1,812 1,697 1,684 1,658 1,645
95% 2,575 2,228 2,042 2,02 1,98 1,96
99% 4,03 3,17 2,75 2,66 2,62 2,57

Conclusion :
Lorsque le nombre n de mesures nest pas trs lev le rsultat peut tre prsent sous la forme :

X xt*
n
t tant le coefficient de Student 95% pour n mesures

Exemple : 14 mesures de g

rsultats 9,6 9,65 9,7 9,75 9,8 9,85 9,9 9,95 10 10,05 10,1 10,15 10,2 10,25
Distribution 0 1 2 0 1 3 4 1 0 0 1 0 1 0

Nombre de rsultats : 14
Moyenne de lchantillon : 9,875
cart type de lchantillon : e = 0,148

Pour un niveau de confiance de 95% le coefficient de Student t (14,0.95) = 2,145


Donc g se trouve dans lintervalle 2,145 * 0,148 / 14 0,0848 autour de la valeur 9,875
Prsentation des rsultats : g = 9,875 0,085

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 6
Lcart type est entre 0,104 et 0,225 ( partir du khi deux)

moyenne
de l'chantillon
La moyenne thorique a 95% de
4 chance de se trouver dans cet
intervalle

5
8

10
6

9
65

75

85

95

,2
,1
,0

,1

,2
9,
9,

9,

9,

10

10
9,

9,

9,

9,

10

10

10
1.5. Cas 3 : on ne dispose que de trs peu de mesures (2 5)
Alors on peut donner un rsultat en utilisant ltendue E, cart entre les valeurs les plus extrmes
E = xmax - xmin
Lintervalle de confiance se dterminant laide dun coefficient C n multiplicateur de ltendue ; ce coefficient
est tabul en faisant des hypothses de normalit, il dpend du nombre de mesures n et du niveau de
confiance p dsir.
Valeurcher che x Cn*E
Quelques valeurs de Cn
p 95% 99%
n
2 6,353 31,830
3 1,304 3,008
4 0,717 1,316
5 0,507 0,843

Exemple : niveau de confiance : 95%


cinq mesures de g donnent les rsultats : 9,78 ; 9,89 ; 9,74 ; 10,1 ; 9.85
moyenne 9,87 tendue E = 10,1 9,74 =0,36
g = 9,87 0,18

Remarque ; lapplication des coefficients de Student donnerait ( = 0,14 ; t5=2,776)


g = 9,87 0,17

1.6. Cas 4 : on ne dispose que dune seule mesure


Dans ce cas, il faut utiliser une estimation sur lerreur maximale de lappareil de mesure ;
En gnral on considre que lerreur maximale fournit par le constructeur correspond trois carts types.
3
Le rsultat R peut donc tre crit sous la forme :

99,8% de confiance : R = valeur mesure


A 95% de confiance : R = valeur mesure / 1,5
A 68% de confiance : R = valeur mesure / 2,5

Exemples :

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 7
utilisation dun voltmtre analogique ( aiguille) :
Le constructeur donne une estimation de lerreur maximale
= classe * Calibre /100 (ne dpend pas de la valeur mesure, mais seulement du calibre !)

Sur les vieux voltmtres, lindication de la classe est imprime sur le cadran ;
Exemple: un trs vieux voltmtre Metrix EM25
Classe 1,5 en continu et 2 en alternatif, calibre 15 Volts
Si la valeur lue est Ul = 12,4 V alors 15 * 1,5 / 100 = 0,23 V
A 95 % de confiance U = 12,40 0,16 V ( 0,16 = 0,23/1,5 )

utilisation dun voltmtre digital


Le constructeur indique dans la documentation une prcision sous la forme
= k % de la lecture + n * digits

Exemple: multimtre 2000 digits Hung Chang modle DM-302 (petit multimtre commercialis par la socit
Pierron)
Indication du constructeur : ( 0,7% de la lecture + 2d )
Si on lit Ul = 12,41 sur le calibre 20 V (1 digit = 0,02V) = ( 0.7%*12,41 + 2 * 0,02) = 0,11 V
A 95 % de confiance U = 12,41 0,07 V

utilisation d'un ordinateur dans une chane d'acquisition


Le convertisseur analogique - digital de la chane d'acquisition introduit une erreur d'au moins un digit.
L'erreur sur la tension d'entre dpendra donc du calibre de celle-ci et du nombre de digits de conversion.

Exemple:
l'interface Orphy GTS, digitalise sur 8 bits soit 256 digits. Sur une entre 0-5V, l'erreur est donc de 5V / 256
soit 19,5mV.
l'interface Orphy GTI numrise du 12 bits soir 4096 digits ; l'erreur est alors de 5/4096 soit 0.25mV.

2. La valeur d'une grandeur est calcule partir de rsultats de


mesures de plusieurs autres grandeurs : propagation des erreurs
On a souvent dterminer la valeur dune grandeur c obtenue par calcul partir de grandeurs mesures x,
y,. c est une fonction de x, y, c = f(x,y,)

Par exemples :
La valeur de g calcule partir des oscillations dun pendule simple :
C
on mesure la priode T des petites oscillations et la longueur l du R1
4. 2 . l
pendule. g
T2 A
Rc
La valeur dune inductance L et de sa rsistance Rl dtermine
laide dun pont de Maxwell : lorsque le pont est quilibr, L=R1R2C Rl
L Rl
= R1R2/Rc R2

P o n t d e M a x w e ll

2.1 Variance de la grandeur calcule


On dsire dterminer la valeur d'une grandeur c dpendant de deux grandeurs mesurables x et y
On a ralis une srie de mesures de ces deux grandeurs x et y donnant les valeurs x i et yi ; les valeurs
moyenne sont x et y ;
La valeur de la grandeur recherche est c f ( x, y) ; alors, la variance de c, c2 dpend de la variance de
x, de celle de y et de la covariance entre x et y
2 2
f f f f
2c 2x . 2y . 2. cov( x, y). .
x y x y

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 8
cov( x, y)
On appelle coefficient de corrlation le facteur ce coefficient vaut 0 si les deux grandeurs
x. y
sont indpendantes. (C'est le cas le plus frquent pour les mesures que nous faisons habituellement) et 1 si
les deux grandeurs sont entirement corrles.
2 2
f f f f
2c 2x . 2y . 2. . . x . y . .
x y x y

2.2 Cas de grandeurs indpendantes


2 2
f f
Dans ce cas =0 et 2c 2x . 2y .
x y
Quelques exemples

c c c
c
2x 2y
c=x+y
2x 2y
c=x-y
2 2
x y
c=x*y (*)
x y
2 2
x y
c=x/y
x y
x.k.n.x n-1
x
c=k.xn n.
x

2c 2x 2y
(*) si c= f(x,y) = x.y alors 2c 2x y 2 2y x 2 soit
x2 . y 2 x2 y2

Applications

Exemple 1 : mesure de g l'aide d'un pendule simple

On dsire dterminer la valeur de g en utilisant un pendule assimil un pendule simple de longueur l. On


effectue une seule mesure de la longueur du pendule l et de la priode des petites oscillations

l est mesur l'aide d'un mtre ruban l = 1,02 m ; on peut estimer l'erreur maximale 4 mm (compte tenu
de l'imprcision sur la taille de la boule, de l'paisseur du nud du fil aux points de fixation etc.
On peut donc estimer l'cart type sur l l = 0.0016 m (on rappelle que l'erreur maximale est estime 3)
T est mesure en dterminant la dure de 10 oscillations avec un chronomtre de sport au 1/10 me de
seconde. On trouve T = 2,02s.
Compte tenu de l'imprcision des moments du dclenchement et de l'arrt on peut estimer l'erreur 0,02 s
sur la dtermination d'une priode. Soit un cart type de T = 0,008 s

4. 2 . l
Alors comme g on calcule g = 9.868 m s-2
T2
2 2
g 2. T
l = 0,0081 soit g = 0,079
g l T
Le rsultat peut donc se prsenter sous la forme g = 9,868 0,079 avec un niveau de confiance de 68%
Avec un niveau de confiance de 95% : g = 9,87 0,16 m.s -2

Exemple 2 : mesure de L par pont de Maxwell


Le pont de Maxwell est quilibr en vrifiant l'aide d'un dtecteur de 0 en courant alternatif ; la dtection
est sensible la plus petite variation de la valeur d'une rsistance ou de la capacit.

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 9
On utilise des boites de rsistance AOIP dcade de tolrance 0,5%.
Le pont est quilibr pour :
R1 = 500 ; R2 = 345 et C = 1 F
Alors L = 0,1725 H
L'erreur sur la rsistance R1vaut R1 = 500x05% = 2,5 soit R1 = 1
L'erreur sur R2 vaut R2 = 300x0,5% + 40x0,5% + 5x0,5% = 1,9 soit R2= 0,78
La bote de capacit est donne avec une tolrance de 0,5%
L'erreur sur C vaut C = 5.10-9 F soit C= 2 nF

L
2

2

2
L
R1 R2 C soit =3,62.10-3 ce qui donne L = 0,62 mH
L R1 R2 C L

Avec un niveau de confiance de 95%


L = 172,5 1,2 mH

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 10
3. Annexes

3.1. Table de Student :


valeur de t en fonction de la probabilit et du degr de libert

0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 0,95 0,975 0,99 0,995 0,9995

1 0,158 0,325 0,51 0,727 1 1,376 1,963 3,078 6,314 12,706 31,821 63,657 636,619 1
2 0,142 0,289 0,445 0,617 0,816 1,061 1,386 1,886 2,92 4,303 6,965 9,925 31,598 2
3 0,137 0,277 0,424 0,584 0,765 0,978 1,25 1,638 2,353 3,82 4,541 5,841 12,929 3
4 0,134 0,271 0,414 0,569 0,741 0,941 1,19 1,533 2,132 2,776 3,747 4,604 8,61 4
5 0,132 0,267 0,408 0,559 0,727 0,92 1,156 1,476 2,015 2,571 3,365 4,032 6,869 5
6 0,131 0,265 0,404 0,553 0,718 0,906 1,134 1,44 1,943 2,447 3,143 3,707 5,959 6
7 0,13 0,263 0,402 0,549 0,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 5,408 7
8 0,13 0,262 0,399 0,546 0,706 0,889 1,108 1,397 1,86 2,306 2,896 3,355 5,041 8
9 0,129 0,261 0,398 0,543 0,703 0,883 1,1 1,383 1,833 2,262 2,821 3,25 4,781 9
10 0,129 0,26 0,397 0,542 0,7 0,879 1,093 1,372 1,812 2,228 2,764 3,169 4,587 10

11 0,129 0,26 0,396 0,54 0,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 4,437 11
12 0,128 0,259 0,395 0,539 0,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 4,318 12
13 0,128 0,259 0,394 0,538 0,694 0,87 1,079 1,35 1,771 2,16 2,65 3,012 4,221 13
14 0,128 0,258 0,393 0,537 0,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 4,14 14
15 0,128 0,258 0,393 0,536 0,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 4,073 15
16 0,128 0,258 0,392 0,535 0,69 0,865 1,071 1,337 1,746 2,12 2,583 2,921 4,015 16
17 0,128 0,257 0,392 0,534 0,689 0,863 1,069 1,333 1,74 2,11 2,567 2,898 3,965 17
18 0,127 0,257 0,392 0,534 0,688 0,862 1,067 1,33 1,734 2,101 2,552 2,878 3,922 18
19 0,127 0,257 0,391 0,533 0,688 0,861 1,066 1,323 1,729 2,093 2,539 2,861 3,883 19
20 0,127 0,257 0,391 0,533 0,687 0,86 1,064 1,325 1,725 2,086 2,528 2,845 3,85 20

21 0,127 0,257 0,391 0,532 0,686 0,859 1,063 1,323 1,721 2,08 2,518 2,831 3,819 21
22 0,127 0,256 0,39 0,532 0,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3,792 22
23 0,127 0,256 0,39 0,532 0,685 0,858 1,06 1,319 1,714 2,069 2,5 2,807 3,767 23
24 0,127 0,256 0,39 0,531 0,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3,745 24
25 0,127 0,256 0,39 0,531 0,684 0,856 1,058 1,316 1 708 2,06 2 485 2,787 3 725 25
26 0,127 0,256 0,39 0,531 0,884 0,856 1,058 1,315 1 706 2,056 2 479 2 779 3 707 26
27 0,127 0,256 0,389 0,531 0,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3,69 27
28 0,127 0,256 0,389 0,53 0,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3,674 28
29 0,127 0,256 0,389 0,53 0,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3,659 29
30 0,127 0,256 0,389 0,53 0,683 0,854 1,055 1,31 1,697 2,042 2,457 2,75 3,646 30
40 0,126 0,255 0,388 0,329 0,681 0,851 1,05 1,303 1,684 2,011 2,423 2,704 3,551 40
60 0,126 0,254 0,387 0,527 0,679 0,848 1,046 1,296 1 671 2 2,39 2,66 3,46 60
120 0,126 0,254 0,386 0,526 0,677 0,845 1,041 1,289 1 658 1,98 2,358 2,617 3,373 120
0,126 0,253 0,385 0,524 0,674 0,842 1,036 1,282 1,645 1,96 2,326 2,576 3,291

0,55 0,6 0,65 0,7 0,75 0,8 0,85 0,9 0,95 0,975 0,99 0,995 0,9995

Utilisation de la table :
Cette table donne la valeur de t en fonction du degr de libert = n - p avec n= nombre de rsultats
p = nombre de paramtres indpendants.

Si on dsire un niveau de confiance de 95%, cela signifie que l'on cherche la probabilit que la moyenne soit
suprieure 0,025 et infrieure 0,975. Ce qui laisse 2,5% des deux cots de la courbe, 5% en tout.
Comme la distribution de Student est symtrique, le coefficient est le mme pour ces deux valeurs. Il suffit
de prendre le coefficient t 0,975.
Exemple: 20 rsultats, ne dpendant que d'un seul paramtre : = 19, pour un niveau de confiance de 0,95
T0,975(19) = 2,093

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 11
3.2. Table du khi2
pour les valeurs 0,025 et 0,975
seuil 0,025 0,975


1 0,0002 5,02
2 0,0506 7,38
3 0,216 11,3
4 0,484 11,1
5 0,831 12,8
6 1,24 14,4
7 1,69 16
8 2,18 17,5
9 2,7 19
10 3,25 20,5
11 3,82 21,9
12 4,4 23,3
13 5,01 24,7
14 5,63 26,1
15 6,26 27,5
16 6,91 28,8
17 7,56 30,2
18 8,23 31,5
19 8,91 32,9
20 9,59 34,2
21 10,3 35,5
22 11 36,8
23 11,7 38,1
24 12,4 39,4
25 13,1 40,6
26 13,8 41,9
27 14,6 43,2
28 15,3 44,5
29 16 45,7
30 16,8 47
40 24,4 59,3
50 32,4 71,4
60 40,5 83,3
70 48,8 95
80 57,2 106,6
90 65,6 118,1
100 74,2 129,6
Contrairement la distribution normale ou de Student, la distribution du khi2 n'est pas symtrique ; il faut
donc encadrer la valeur rechercher entre deux valeurs qui "excluent" les extrmes.
Exemple:
2e . (n 1)
95% des valeurs de sont plus grandes que 20,025 (n 1) et plus petites que 20,975 (n 1)
2

Utilisation de la table :
On a effectu 15 mesures d'une tension lectrique, on trouve un cart type de e = 0,10 Volts
2e . (n 1) 2 2
95% des valeurs possibles de se trouvent entre 0,025 (14) =5,63 et 0,975 (14) =26,1
2

0,1. 14 0,1. 14
donc l'cart type thorique se trouvent entre soit 0,07 < < 0,15
5,1 2,37
5,1 26,1 et 2,37 5,63

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 12
3.3. Propagation des erreurs
La grandeur dterminer est c f ( x, y)
Par dfinition de la variance:

f ( x , y ) f ( x, y)
1 2
2c i i
n1 i
2
1 f f
2c
n1 i
( x i x) x ( y i y) y

Soit en dveloppant:
2 2
1 f f f f
2e
n1 (xi
i x) 2
x
( y i y) 2
y
2. ( x i x)( y i y) .
x y

2 2
f f 1 f f
2c 2x .
x
2y .
y
2.
n1 (x
i
i x)( y i y). .
x y

1
Le terme n 1 (x i
i x)( y i y) est appel covariance de x et y cov(x,y) et on appelle facteur de

cov( x, y)
corrlation, la covariance rduite
x. y
On trouve alors bien l'expression de la variance d'un rsultat dpendant de rsultats de mesures de deux
grandeurs x et y:
2 2
f f f f
2c 2x . 2y . 2. . . x . y . .
x y x y

Analyse de rsultats exprimentaux


Prparation lpreuve de montage du CAPES de Sciences Physiques
brizemur@paris.iufm.fr IUFM de Paris le 15/03/17 Page 13