1.

DOMAINE D'UTILISATION
Dans cette recommandation, on considère les fonctions d'étalonnage linéaire qui décrivent la
relation les variables X et Y, à savoir les fonctions de la forme Y = A + BX. Malgré le fait que de
nombreuses dispositions définies dans ces recommandations sont applicables à des types
d'étalonnage plus généraux fonctions, dans ces recommandations, un étalonnage linéaire est utilisé
dans la mesure du possible fonction.

Les valeurs des paramètres A et B sont déterminées sur la base des résultats de mesure (x ;, yj), / = 1
Considéré divers cas concernant l'incertitude des résultats de mesure. Non utilisé l'hypothèse que les
erreurs y (sont homoscédastiques (ont une variance égale) et pour x, lorsque les erreurs x ne sont
pas insignifiantes.

Pour estimer les paramètres A et B, la méthode des moindres carrés a été utilisée, la plus appropriée
pour un type spécifique de données d'entrée avec l'incertitude associée. Considéré le plus vue
générale de la matrice de covariance des résultats de mesure, et décrit également en détail les
situations qui conduisent à des calculs plus simples.

Pour les cas considérés, les méthodes de validation de la fonction d'étalonnage linéaire et estimation
des incertitudes et covariance des paramètres de la fonction d'étalonnage.

Les directives décrivent également l'utilisation d'estimations de paramètres pour la fonction

d'étalonnage et leurs incertitudes et covariances correspondantes pour prédire la valeur de X et
l’incertitude type pour une valeur de mesure donnée Y et la valeur correspondante incertitude type.

NOTE 1 Les recommandations ne fournissent pas de traitement général des valeurs aberrantes à
partir des données de résultats mesures, bien que les critères donnés puissent être utilisés pour
identifier les données non conformes.

Note 2 - Les recommandations utilisaient une méthode pour évaluer l'incertitude des résultats de
mesure lorsque cette incertitude est connue à un coefficient inconnu près (voir l'annexe E).

2. REFERENCES NORMATIVES
Ces directives utilisent des références normatives aux documents suivants:

Guide ISO / CEI 99: 2007 Vocabulaire international de métrologie. Concepts de base et généraux

et termes associés (VIM) [Guide ISO / CEI 99: 2007 Vocabulaire international de métrologie -
Concepts de base et généraux et termes associés (VIM)]

Guide ISO / CEI 98-3: 2008 Incertitude de mesure. Partie 3. Guide d'expression incertitude de mesure
(GUM: 1995) [Guide ISO / CEI 98-3: 2008, Incertitude de mesure - Partie 3: Guide pour l'expression de
l'incertitude de mesure (GUM: 1995)]

Guide ISO / CEI 98-3: 2008 / Supplément 1: 2008 Incertitude de mesure. Partie 3. Manuel sur
l'expression de l'incertitude de mesure (GUM: 1995). Annexe 1. Transformation distributions utilisant
la méthode de Monte Carlo [Guide ISO / CEI 98-3: 2008 / Supplément 1: 2008, Incertitude de mesure
- Partie 3: Guide pour l'expression de l'incertitude de mesure (GUM: 1995) - Supplément 1:
Propagation des distributions en utilisant une méthode de Monte Carlo]

3. TERMES ET DEFINITIONS
Ce guide utilise des termes du Guide ISO / CEI 98-3 et du Guide ISO / CEI 99 et les termes et
définitions suivants.

Une liste des symboles utilisés est donnée à l'annexe G.

3.1 valeur de la quantité mesurée valeur représentant résultat de la mesure de la grandeur.

[Guide ISO / CEI 99: 2007, 2.10]

3.2 incertitudes de mesure paramètre négatif caractérisant répartition des valeurs d'une variable
aléatoire qui lui est attribuée en fonction des informations disponibles à propos de la valeur
mesurée.

[Guide ISO / CEI 99: 2007, 2.26]

3.3 Incertitude de mesure standard résultats de mesure, exprimés en écart type.

[Guide ISO / CEI 99: 2007, 2.30]

3.4 covariance associée à deux valeurs de quantité Caractérisation de l'interdépendance de deux

grandeurs quantitatives qui, sur la base des informations disponibles, deux grandeurs mesurables
sont attribuées.

3.5 matrice de covariance de mesure

matrice de covariance, matrice de covariance): matrice de dimension N * l / associée au vecteur

d'estimations du vecteur une grandeur de dimension L / x 1 contenant sur sa diagonale les carrés
d'incertitude type les composantes correspondantes du vecteur des estimations de la quantité
vectorielle, et comme le reste éléments de covariance des paires de composantes du vecteur
d'estimations de la quantité vectorielle.

NOTE 1 - La matrice de covariance Ux de dimension N * N correspondant au vecteur d'estimations x

la quantité vectorielle X a la forme:

cov (x 1 , x 1) … cov ( x1 , x N )
U x=
[ ⋮ ⋱ ⋮
]
cov (x N , x1 ) … cov ( x N , x N )

où cov (xf-, x () = u2 (x () - variance (incertitude type x ();

cov (xf-, Xy) est la covariance de x (- et Xy. cov (xf-, Xy) = 0 si les éléments Xt et Xj du vecteur X ne
sont pas corrélés.

NOTE 2 La covariance est appelée incertitude mutuelle.

NOTE 3 La matrice de covariance est également appelée matrice de variance-covariance.

NOTE 4 - La définition est conforme au Guide ISO / CEI 98-3: 2008 / Supplément 1: 2008,

Définition 3.11 (voir [13]).

3.6 modèle de mesure Relation mathématique de toutes les grandeurs dans une mesure tâche.

[Guide ISO / CEI 99: 2007, 2.48]

3.7 modèle fonctionnel modèle statistique qui inclut les erreurs correspondant à la variable
dépendante.

3.8 modèle structurel modèle statistique incluant les erreurs correspondant à quantités
indépendantes et dépendantes.

3.9 opération d'étalonnage dans laquelle, dans des conditions spécifiées dans une première étape
établir la relation entre les valeurs des grandeurs avec des incertitudes de mesure qui fournir les
étalons et les indications correspondantes des instruments de mesure avec leurs incertitudes
inhérentes, et à la deuxième étape, sur la base de ces informations, un ratio est établi qui permet
obtenir le résultat de la mesure en fonction des lectures.
NOTE 1 L'étalonnage peut être exprimé comme un état, une fonction d'étalonnage, un diagramme
ou des tables. Dans certains cas, il peut s'agir d'une correction générale ou multiplicatrice des
lectures avec l'incertitude de mesure correspondante.

NOTE 2 L'étalonnage ne doit pas être confondu avec l'ajustement du système de mesure, souvent en
une erreur appelée auto-étalonnage et également avec vérification d'étalonnage.

NOTE 3 On entend souvent par étalonnage uniquement la première étape spécifiée dans la
définition.

[Guide ISO / CEI 99: 2007, 2.39]

3.10 fonction de distribution de probabilité (d'une variable aléatoire) caractérisant la probabilité

qu'une variable aléatoire prenne une valeur donnée ou appartienne un ensemble donné de valeurs.

NOTE 1 La probabilité correspondant à l'ensemble des valeurs d'une variable aléatoire est 1.

NOTE 2 Une distribution de probabilité est dite unidimensionnelle si elle décrit une seule une
variable aléatoire (scalaire), ou multidimensionnelle si elle décrit un vecteur de variables aléatoires.
La distribution de probabilité multivariée est également décrite comme la distribution conjointe.

NOTE 3 Une distribution de probabilité peut se présenter sous la forme d'une fonction de distribution
ou d'une densité Distribution.

NOTE 4 Les définitions et la note 1 ont été adaptées de l'ISO 3534-1: 1993, définition 1.3 et Guide ISO
/ CEI 98-3: 2008, définition C.2.3; Notes 2 et 3 adaptées du Guide ISO / CEI 98-3: 2008 / Supplément
1: 2008, définition 3.1 (voir [13]).

3.11 distribution normale distribution de probabilité d'un variable aléatoire X telle que la densité
de distribution correspondante pour - ° o << + oo a la forme:
2
1 −1 ξ−μ
g X ( ξ )=
σ √2 π [ ( )]
exp
2 σ

Remarques :

1 espérance mathématique de X, o - écart type de X.

2 La distribution normale est également appelée distribution gaussienne.

3 Définition et note 1 adaptées de l'ISO 3534-1: 1993, définition 1.37.

La note 2 est adaptée du Guide ISO / CEI 98-3: 2008, définition C.2.14.

3.12 {-distribution: La distribution de probabilité d'une variable aléatoire continue X, dont la

densité de distribution pour - °° <£, <+ °° a la forme:
4. EXPLICATION DES SYMBOLES UTILISES
Les conventions suivantes sont utilisées dans ces directives.

4.1 X est une quantité indépendante, Y est une quantité dépendante, même si X est une quantité
inconnue, et Y - connu, par exemple, dans la section 7.

4.2 A et B sont appelés paramètres de la fonction d'étalonnage linéaire Y = A + BX. Ils sont également
utilisés pour désigner des variables (factices) dans des expressions qui incluent les paramètres de
l'étalonnage les fonctions.

4.3 Les grandeurs Xi* et Yi* sont utilisées comme variables (fictives) pour désigner les coordonnées i-
ème point.
4.4 Les constantes A* et B* sont les valeurs (inconnues) de A et B qui déterminent la fonction
d'étalonnage linéaire Y = A* + B* X pour le système de mesure considéré.

4.5 Les constantes Xi * et Yi * sont les coordonnées (inconnues) du ième point obtenu par la mesure
du système et satisfaisant l'équation Y * = A * + B * X *.

4,6 xi et yi sont les résultats des mesures des valeurs des coordonnées du i-ème point.

4.7 a et b - estimations des paramètres de la fonction d'étalonnage du système de mesure.

4,8 xi * et yi * sont des estimations des coordonnées du i-ème point satisfaisant l'équation yi * = a +
bxi*.

4.9 Vecteur de dimension m x 1

x1

[]
X = ⋮ ; X T =[ x 1 … xm ]
xm

et Matrice de dimension m x n

a11 … a 1n a11 … am 1
A= ⋮
[ ⋱
T
⋮ ;A = ⋮ ⋱
a m 1 … amn ] [ ⋮
a1 n … amn ]
Pour faciliter la compréhension des dimensions du vecteur et de la matrice, elles sont toujours les
mêmes ci-dessous.

4.10 Т - signifie l'opération de transposition.

4.11 La matrice zéro est notée 0 et le vecteur unitaire est noté 1.

4.12 Certains symboles ont plus d'une signification. Les explications nécessaires sont données dans le
texte.

4.13 Les valeurs données dans les tableaux avec le même nombre de décimales sont valeurs
numériques correctement arrondies stockées avec une plus grande précision comme par exemple,
lors du calcul à l'aide de feuilles de calcul. Par conséquent, il peut y avoir des écarts entre la somme
des nombres indiquée et la somme des nombres indiqués dans la colonne.

4.14 Certains tableaux donnent le numéro de la sous-section au-dessus de la ou les colonnes dans
lesquelles la formule pour déterminer les valeurs dans la colonne correspondante est donnée.

4.15 Dans les exemples de valeurs avec une précision donnée, les résultats des calculs sont donnés
avec plus haute précision, permettant à l'utilisateur de comparer les résultats lors de la répétition des
calculs.

5. PRINCIPES DE L'ETALONNAGE LINEAIRE :

5.1 Dispositions générales :

5.1.1 Cette section montre comment la relation Y = A + BX décrivant la variable dépendante Y

(également appelée «réponse») en fonction de la variable indépendante X (également appelée
«Signal») peut être déterminée à partir des résultats de mesure. Pendant l'étalonnage, les résultats
de mesure sont obtenus avec un appareil de mesure correspondant à des valeurs (inconnues). Les
paramètres A * et B * de la fonction d'étalonnage en effectuant des mesures sur des objets avec des
valeurs étalonnées Xi donné en unités standard, et les résultats de mesure Yi sont enregistrés. Le
rapport vous permet de déterminer la réponse Y du système pour un objet donné avec une valeur X
calibrée et le processus est appelé évaluation préliminaire. Dans la pratique, il est plus utile de
déterminer la relation qui permet de convertir la valeur mesurée y de la quantité Y en une estimation
de x en unités standard de X pour la valeur étudiée. Ce processus est appelé évaluation inverse ou
prévision.

5.1.2 L'étalonnage du système de mesure devrait prendre en compte l'incertitude des résultats de
mesure et la covariance correspondante. Le résultat de la procédure d'étalonnage est la fonction
utilisée pour la prévision (et, si nécessaire, l'estimation préliminaire). Résultats les étalonnages sont
également des incertitudes standard et des covariances correspondant à estimations a et b des
paramètres de la fonction d'étalonnage, qui sont utilisées pour estimer l'incertitude type prévision
(et estimation préliminaire).

5.2 Données initiales pour la détermination de la fonction d'étalonnage

5.2.1 Données de mesure

Les informations requises pour déterminer l'équation de la fonction d'étalonnage linéaire sont les
résultats de mesure et leurs incertitudes et covariances standard correspondantes. Dans de ces
recommandations, les résultats de mesure sont notés (xi , yi), i = 1, ..., m, avec m est le nombre des
paires de résultats mesures X et Y. On suppose que m> 2, et les valeurs de xi ne sont pas toutes
égales l'une à l'autre.

NOTE L'incertitude correspondant aux estimations a et b diminue généralement avec l'augmentation

de m. Par conséquent, lors de l'étalonnage, il faut s'efforcer d'utiliser autant de résultats de mesure
lorsqu’il est économiquement faisable.

5.2.2 Incertitudes et covariance

Les incertitudes standard correspondant à xi et yi, sont notées respectivement u(xi) et u(yi). La
covariance de xi et xj est notée cov (xi, xj). De même, la covariance de yi et yj -xi et yj est
respectivement notée cov (yi, yj) et cov (xi, yj),. L'annexe D montre comment les incertitudes et la
covariance peuvent être estimées, correspondant aux mesures des signaux et des réponses, et une
interprétation est donnée informations d'incertitude. Les informations complètes sur l'incertitude
sont représentées par la matrice U dimension 2m * 2m, contenant les variances (carrés de
l'incertitude type) s2 (x () et u2 (y) et covariance:

u2 ( x 1) … cov ( x1 , xm ) cov ( x1 , y 1 ) … cov ( x 1 , y m )

U=

[ ⋮ ⋱
cov ( x m , x1 ) … 2
⋮
u (x m )
cov ( y 1 , x 1 ) … cov ( x1 , y m )
⋮ ⋱ ⋮
cov ( y m , x1 ) … cov ( x m , y m )
⋮

u2 ( y 1)
⋮
⋱ ⋮
cov ( y m , x 1 ) … cov ( x m , y m )
… cov ( x 1 , x m )
⋱
cov ( y m , x 1 ) … 2
⋮
u ( y m)
]
Dans de nombreuses applications, certaines ou toutes les covariances sont mises à zéro (voir 5.3).

REMARQUE Ce guide suppose que u (x, -) et u (y) sont différents.

5.3 Définition de la fonction d'étalonnage

5.3.1 Les données initiales pour déterminer la fonction d'étalonnage sont les résultats des mesures,
les incertitudes associées et éventuellement les covariances. Basé sur les paramètres A et B et les
données initiales déterminent l'écart du i-ème point (xi, yi) par rapport à la droite Y = A + BX. Les
notes a et b déterminent minimiser la somme des carrés de ces écarts ou une mesure plus générale
si toutes les covariances sont différentes à partir de zéro. La manière dont cela est obtenu dépend de
la structure de l'incertitude correspondant aux résultats de mesure.

La structure de l'incertitude dépend des réponses aux questions suivantes :

i) Les incertitudes des résultats de mesure хi sont insignifiantes ?

ii) Les covariances correspondant aux paires de mesures ne sont-elles pas significatives ?

5.3.2 Les situations suivantes prises en compte dans cette directive sont conformes à un ordre
croissant de complexité, en fonction des réponses aux questions données en 5.3.1.

a) les incertitudes correspondant aux valeurs de y et toutes les covariances correspondant aux
données, sont sans importance (section 6) ;

b) les incertitudes correspondant aux valeurs de xi et yi, et toutes les covariances correspondant à les
données sont sans importance (section 7);

c) il existe des incertitudes correspondant aux valeurs de xi et yi, et la covariance correspondant aux
paires (xi, yi) ne sont pas pertinentes (section 8);

d) il existe des incertitudes correspondant aux valeurs de yi et une covariance correspondant à yi et

yj (i<>j) (section 9);

e) le cas le plus courant où il existe des incertitudes cohérentes avec les résultats de mesure xi et yi et
la covariance correspondant à toutes les paires de valeurs xi et xj, yi et yj, (section 10).

5.3.3 Dans chaque cas énuméré en 5.3.2, il est indiqué :

a) résultats de mesure déclarés et structure d'incertitude ;

b) un modèle statistique approprié ;

c) le problème des moindres carrés correspondant ;

d) les étapes de calcul ;

e) propriétés du modèle statistique ;

f) validation du modèle (vérification de la conformité du modèle avec les données) ;

e) organisation de l'exécution de calculs sur un ordinateur ;

h) algorithme de calcul ;

i) un ou plusieurs exemples.

5.4 Traitement numérique

L'annexe C montre une approche utilisant la factorisation orthogonale de la matrice U pour le cas le
plus général f) en 5.3.2. Il peut être utilisé lors de l'examen de tous situations. L'approche est basée
sur des méthodes de calcul robustes. Dans les cas a) - c) 5.3.2 peut être utilisé opérations
élémentaires pouvant être effectuées à l'aide de feuilles de calcul.

Dans les cas d) -e) 5.3.2, il est nécessaire d'utiliser certaines opérations matricielles, qui sont direct
lors de l'utilisation d'un langage informatique qui permet des opérations avec des matrices, mais pas
très convient aux calculs à l'aide de feuilles de calcul

5.5 Incertitude et covariance des paramètres de la fonction d'étalonnage

5.5.1 Pour tous les cas considérés, les estimations des paramètres de la fonction d'étalonnage
peuvent être présentés (explicitement ou implicitement) en fonction des résultats de mesure.
Principes GUM [Guide ISO / CEI 98-3: 2008] peut être appliquée pour propager l'incertitude et définir
covariances correspondant aux mesures utilisant ces fonctions pour obtenir des estimations
paramètres de la fonction d'étalonnage. Ainsi, les résultats de mesure sont utilisés pour obtenir
estime a et b des paramètres de la fonction d'étalonnage et estimations de l'incertitude type u (a), u
(b) et covariance cov (a, b) correspondant à ces estimations. Pour les cas a) et d) en 5.3.2, la
distribution est précis, car les estimations de paramètres peuvent être représentées comme une
combinaison linéaire d'entrées y Dans d'autres cas, lorsque les estimations des paramètres ne
peuvent pas être présentées de cette manière, la distribution l'incertitude est basée sur la
linéarisation des estimations des paramètres. Dans de nombreux cas, une approximation avec
l'utilisation de la linéarisation est assez précise.

NOTE Si la propagation de l'incertitude est approximative et surtout si les incertitudes sont

importantes (par exemple, dans les cas de mesures biologiques), peuvent être utilisées approche
basée sur la distribution. Cette approche [Guide ISO / CEI 98-3: 2008 / Complété 1: 2008] utilise une
méthode de Monte Carlo (non couverte dans ces lignes directrices).

5.5.2 Le résultat préliminaire de la détermination de la fonction d'étalonnage linéaire est vecteur

d'estimation des paramètres de dimension 2x1 et matrice de covariance Ua de dimension 2x2.

u2 (a) cov ( a , b )
a=
a
[]
b
;U a=
[
cov ( a ,b ) u2 (b) ]
où u (a) et u (b) sont les incertitudes standard des estimations a et b, respectivement, a cov (a, b) =
cov (b, a) - covariance des estimations a et b.

5.6 Validation du modèle

5.6.1 Lors de la détermination des estimations a et b des paramètres de la fonction d'étalonnage

linéaire, on suppose que le modèle Y = A + BX est correct et que l'incertitude correspondant aux
résultats de mesure est une mesure fiable de l'écart des résultats de mesure par rapport à une ligne
droite. Après avoir déterminé un et B, l'écart réel des points par rapport à la fonction d'étalonnage
linéaire la plus appropriée peut être déterminé et comparé aux écarts prévus. Lors de la
correspondance, utilisez la mesure agrégée des écarts sous la forme de la somme des carrés% ^ bs m
résiduels pondérés. Dans ce cas, le / -th le reste pondéré est une mesure de l'écart du i-ème point
par rapport à la ligne droite. Si la covariance correspondant le jème point (Xj, yj) est différent de zéro,
une mesure de déviation sous une forme plus générale peut être utilisée.

Si Xobs est significativement plus grand que l'écart statistique moyen, il y a lieu de douter l'exactitude
de l'hypothèse concernant le modèle utilisé.

5.6.2 D'un point de vue statistique, les résultats de mesure peuvent être considérés comme une mise
en œuvre Variables aléatoires. Si la distribution de probabilité caractérisant ces variables aléatoires
est connue, il est alors possible de déterminer la distribution de probabilité pour la mesure
cumulative des écarts de 5.6.1. La probabilité peut alors être calculée que Xobs (pour cette
distribution cumulative) dépasse le quantile de distribution spécifié. Cependant, étant donné que les
informations sur ces quantités sont souvent est limité uniquement par les résultats de mesure (sous
la forme d'estimations de l'espérance mathématique et de la variance variables aléatoires
caractérisées par ces distributions), cette information est insuffisante pour déterminer la distribution
de probabilité de cette mesure. Au lieu de cela, une évaluation de la validité des hypothèses sont
effectuées en supposant que les distributions de ces quantités sont normales. Dans ce cas, par au
moins à des fins de validation, la distribution utilisée pour cette mesure est la distribution Xv avec v =
m - 2 degrés de liberté. En conséquence, la probabilité que Xobs dépasse une donnée Hu quantile.
peut être spécifié (voir 6.3, 7.3, 9.3, 10.3). En règle générale, un quantile de 95% est utilisé.

NOTE 1 - Si x ^ bs dépasse le quantile Xy du niveau de 95%, cela signifie que la fonction d'étalonnage
ne correspond pas suffisamment aux données. Dans un tel cas, les données et l'incertitude associée
doit être vérifié pour les erreurs. La fonction peut être utilisée sous forme de polynômes en degré 2
ou supérieur, ou autre forme mathématique. Sélection du type de courbe d'étalonnage dans ces
recommandations ne sont pas prises en compte.
NOTE 2 - Il est possible que le modèle soit "trop bon" dans le sens où le la valeur Xobs est nettement
inférieure à l'espérance mathématique. Dans ce cas, en règle générale, l'incertitude les résultats de
mesure sont indiqués trop grands. Ce n'est pas non plus le cas dans ces lignes directrices. révisé.

5.6.3 Pour de meilleurs résultats d'étalonnage, il est souhaitable que l'incertitude de la valeur initiale
les données ont été obtenues avant la détermination des paramètres de la fonction d'étalonnage et
n'ont pas été estimées à la détermination de la correspondance des données avec le modèle
sélectionné ou est connue à l'intérieur du facteur d'échelle.

Cette situation est examinée à l'annexe E.

5.6.4 Si, dans une situation particulière, la validation a montré que les données du modèle
sélectionné ne correspondent pas, ceux. % 2bs dépasse le quantile Xy du niveau de 95% (voir 5.6.2),
incertitudes standard calculées et (a) et uf) et la covariance cov (a, b) (voir 5.5.2) ne doivent pas être
utilisées pour calculer l'incertitude valeurs prédites (voir 5.7).

5.7 Utilisation de la fonction d'étalonnage

5.7.1 La fonction d'étalonnage est généralement utilisée pour la prédiction (estimation inverse)
lorsque donnée Y et l'incertitude type correspondante, déterminer la valeur X et son incertitude type
correspondante. Pour déterminer l'estimation de l'incertitude type X utilise les incertitudes standard
des estimations a et b et leur covariance (voir 11.1).

5.7.2 Parfois, pour déterminer l'estimation de X et son incertitude correspondant à la valeur de Y c

incertitude type correspondante, une estimation préliminaire est nécessaire, par exemple, lors de la
comparaison des données d'étalonnage avec un ensemble de méthodes similaires (voir 11.2).

Note - On suppose que les conditions dans lesquelles les mesures ont été effectuées ont été
maintenues. pendant l'étalonnage et sont appliqués à la période d'application de la fonction
d'étalonnage, par la suite. Sinon, un nouvel étalonnage ou un réglage approprié doit être effectué et
pris en compte. tous les changements tels que la dérive (et les incertitudes traitées en conséquence).
À cette fin des cartes de contrôle peuvent être utilisées.

5.8 Détermination de la meilleure ligne

5.8.1 La meilleure droite correspondant aux données originales selon la méthode des moindres
carrés, est une droite avec les coefficients a et b (estimations des paramètres A et B), qui minimisent
la somme
m

∑ ( y i− A−B x i )2
i=1

Ces valeurs satisfont les équations obtenues en égalant à zéro les dérivées partielles le premier ordre
dans Л et В de l'expression (2).

5.8.2 Les scores a et b peuvent être calculés en effectuant les actions suivantes:

1) calcul
m m
1 1
x 0= ∑ x i et y 0= ∑ y i
m i=1 m i=1
2) calcul
~
x i=x i−x 0 et ~
y i= y i− y 0 i=1, … , m

3) calcul
 m

∑ ~xi ~y i
b= i=1m et a= y 0 −b∗x 0
2
∑ xi
i =1

5.8.3 Les valeurs de x0 et y0 sont telles que la meilleure ligne tracée par le point (x (, y (), passe par
origine et a la même pente que la meilleure ligne droite pour les données d'origine (x (, y ().

NOTE - Mathématiquement, les meilleurs paramètres sont déterminés en résolvant un système de

deux équations utilisant une matrice de dimension 2> <2. Pour les valeurs transformées, cette
matrice est diagonale, permettant une détermination facile des paramètres de la solution. La
transformation des données vous permet également d'en faire plus haute précision lors de
l'utilisation d'un ordinateur (voir [4, page 33]).

5.8.4 Les méthodes décrites dans les clauses 6-10 sont des extensions des calculs présentés en 5.8.2
en tenant compte des informations sur l'incertitude.

6. MODELE QUI PREND EN COMPTE L'INCERTITUDE DE Y

6.1 Généralité

6.1.1 Cette section traite la situation 5.3.2 a), à savoir, lorsque les informations suivantes sont
disponibles pour i = 1, ..., m :

a) résultats de mesure (xi, yi);

b) l'incertitude type u(yj) correspondant à y (L'annexe D fournit des conseils sur l'obtention de
l'incertitude. Toutes les autres incertitudes et les covariances correspondant aux données sont
supposées être sans importance.

6.1.2 Situation 5.3.2 a) correspond au modèle statistique :

y i= A ¿−B¿ x i +e i ; i=1 , … . , m(3)

où ei sont des réalisations de variables aléatoires indépendantes avec une espérance mathématique
nulle et des variances u²(yi) (voir [9, page 1]). A * et B * - valeurs (inconnues) des paramètres de la
fonction d'étalonnage pour le système de mesure sur lequel les résultats de mesure sont obtenus. Ce
modèle (sans tenir compte de l'incertitude x) est appelé un modèle fonctionnel.

6.1.3 Comme les estimations a et b déterminent les valeurs minimisant la somme des carrés
pondérée de A et B
m m

∑ R =∑ w i2 ( y i− A−B x i )2 ( 4)
i
2

i=1 i=1

1
w i= ,i=1, … . , m
u( y i )
Ce problème (4) est une méthode des moindres carrés pondérés. Les estimations recherchées
déterminent à partir des équations obtenues en égalant à zéro les dérivées partielles du premier
ordre de l'expression par A et B (4).

6.2 Estimations des paramètres d'étalonnage et des incertitudes standard associées et de

covariance

Les estimations a et b sont déterminées en effectuant les calculs 1 à 5, puis les incertitudes standard
sont calculées u (a) et u(b) et covariance cov(a, b) (calcul 6):
 m
1
1 ¿ wi = , i=1 , … ., m et F 2=∑ w i2
u( yi ) i=1

m m
1 1
2 ¿ g 0= 2∑
wi2 x i et h 0= 2 ∑ wi2 y i
F i=1 F i=1

3 ¿ gi=wi ( x i−g 0 ) et hi =wi ( y i−h0 ) ,i=1 , … . , m

m
4 ¿ G2=∑ gi2
i=1

m
1
5 ¿ b= 2 ∑ gi hi et a=h 0−b g0
G i=1
2
2 1 g0 2 1 −g0
6 ¿ u ( a )= 2
+ 2
et u ( b ) = 2 et cov ( a , b ) = 2
F G G G
Remarque 1 - Les calculs 1 à 5 sont équivalents à ce qui suit:
m m
2

1
∑ wi x i ∑ w i2 y i
1 ¿ wi = , i=1 , … ., m x0 = i =1 2 et y 0= i=1
u( yi ) wi w i2
2 ¿ ~xi =xi −x0 et ~y i= y i− y 0 , i=1 ,… . , m
m

∑ wi2 ~x i ~y i
3 ¿ b= i=1m et a= y 0 −b x 0
2
∑ wi ~xi
i=1

Remarque 2 - Dans le processus de calculs 1-5, la solution du système d'équations est déterminée (la
méthode du moins carrés)

w i a+wi x i b=w i y i , i=1 ,… , m

Remarque 3 - Si tous les u (yi} sont identiques de sorte que tous les wi sont identiques, alors a et b
sont les mêmes qu'en 5.8.2.

Remarque 4 - Les valeurs de u2 (a), u2 (b) et cov (a, b) dans le calcul 6 sont obtenues en appliquant la
loi propagation de l'incertitude conformément au Guide ISO / CEI 98-3: 2008 .

6.2.2 Les estimations a et b obtenues conformément à 6.1.3 ont les propriétés suivantes (voir [15])
pour les données yi et le modèle (3):

1) Les estimations a et b sont une combinaison linéaire des données yi.

2) Les estimations a et b peuvent être considérées comme des réalisations de variables aléatoires
avec des attentes A * et B *, respectivement.

3) La matrice de covariance pour les variables aléatoires au point 2) comprend les éléments u2 (a), u2
(b) et cov (a, b) calculé conformément à 6.2.1. La propriété d'énumération 1) est que les estimations
a et b obtenu par estimation linéaire. Selon le point 2), les estimations sont sans biais.
Conformément aux points 2) et 3), les estimations sont cohérentes, c'est-à-dire avec une
augmentation m les estimations de a et b convergent vers A * et B *, respectivement.

La méthode établie en 6.1.3 a la propriété optimale suivante pour les données y (et modèles (3):
4) Les estimations a et b obtenues par toute méthode d'estimation linéaire sans biais peuvent être
considérées comme une implémentation de variables aléatoires dont les variances sont au moins les
mêmes grand que les variances lors de l'utilisation de la méthode des moindres carrés pondérés.

La propriété de l'énumération 4) peut être interprétée comme suit. Pour les constantes c et d,
incertitude type u (ca + db) correspondant à une combinaison linéaire des estimations a et b
obtenues toute méthode d'estimation linéaire sans biais est au moins aussi grande que ainsi que (ca
+ db). Les propriétés des énumérations 1) -4) justifient l'utilisation de méthodes de moindre carrés
pour les données cohérentes avec le modèle (3). Il convient de noter que toutes les déclarations se
réfèrent à uniquement aux attentes et variances mathématiques et aux distributions
correspondantes non défini. Si l'hypothèse supplémentaire est faite que e (sont une implémentation
de variables aléatoires normalement distribuées, puis des déclarations sur ce qui suit propriétés liées
à la méthode des moindres carrés pondérés:

5) Les variables aléatoires de la liste 2) sont caractérisées par une distribution normale
bidimensionnelle avec les moyens A * et B * et une matrice de covariance avec les éléments u2 (a),
u2φ) et cov (a, b).

6) Les estimations a et b sont des estimations du maximum de vraisemblance correspondant au plus

les valeurs probables de A et B, qui, éventuellement, peuvent être déterminées à partir
d'observations (résultats mesures y).

7) Du point de vue de l'analyse bayésienne, la distribution des connaissances sur A et B, en tenant

compte des résultats observés mesures y est une distribution normale bivariée, avec des moyennes a
et b et une covariance matrice avec les éléments a2 (a), u2φ) et cov (a, b).

6.3 Validation du modèle

Si m> 2, la conformité du modèle aux données d'origine peut être vérifiée en utilisant résiduels
pondérés г ((suite 6.2.1). Pour ce faire, effectuez les actions suivantes:

8) Formation

r i=wi ( y i−a−b x i ) ,i=1, … , m

9) Calcul de la valeur du Chi carré observée

m
χ 2obs =∑ r i2
i=1

et déterminer le nombre de degrés de liberté v = m - 2.

2 2 2
10) Faire correspondre χ obs à la quantile χ v de la distribution de niveau à 95%. Si χ obs est supérieur

à ce quantile, le modèle linéaire est rejeté.

NOTE Le critère chi-deux est basé sur l'hypothèse que ei dans le modèle (3) sont la réalisation de
variables aléatoires normales.

6.4 Organisation des calculs

Les calculs en 6.2.1 et 6.3 peuvent être effectués dans un ou deux tableaux en utilisant feuilles de
calcul, selon les tableaux 2 et 3, qui peuvent être combinées en un seul tableau.

Tableau 2 - Données pour la détermination de la fonction d'étalonnage linéaire par la méthode de

pondération moindres carrés :

xi yi u( y ¿¿ i)¿
 x1 y1 u( y ¿¿ 1)¿
x2 y2 u( y ¿¿ 2) ¿

⋮ ⋮ ⋮

xm ym u( y ¿¿ m)¿

Tableau 3 - Organisation des calculs pour déterminer la fonction d'étalonnage linéaire par la
méthode de pondération moindres carrés

g0 h0 a
w1 w 12 w 12 x 1 w 12 y 1 g1 h1 g12 g1 h1 r1 r 12
w2 w 22 w 22 x 2 w 22 y 2 g2 h2 g22 g2 h2 r2 r 22

⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮

wm w m2 w m2 x m w m2 y m gm hm gm2 gm hm rm r m2
m
m m m m m
χ = ∑ r i2
2
2 2 2 2 2 2
F =∑ w i ∑ wi xi ∑ wi yi G =∑ g i ∑ g i hi b obs
i=1
i=1 i=1 i=1 i=1 i=1

EXEMPLE - (poids égaux) Le tableau 4 montre six valeurs et leurs valeurs d'incertitude standard.
Résultats de mesure xi sont précis et l'incertitude type yi est égale à u (yj = 0,5. Par conséquent, wt =
1 / u (y) = 2,0, i = 1, ..., 6.

Tableau 4 - Données représentant les résultats de six mesures avec des incertitudes

xi yi u( y ¿¿ i)¿
1.0 3.3 0.5
2.0 5.6 0.5
3.0 7.1 0.5
4.0 9.3 0.5
5.0 10.7 0.5
6.0 12.1 0.5

Les résultats des calculs sont présentés dans le tableau 5. Conformément au tableau 5

Tableau 5 - Calculs basés sur les données du tableau 4

wi wi² wi²xi wi²yi gi hi gi² gihi ri ri²

3.500 8.017 1.867
2.000 4.000 4.000 13.200 -5.000 -9.433 25.000 47.167 -0.648 0.419
2.000 4.000 8.000 22.400 -3.000 -4.833 9.000 14.500 0.438 0.192
2.000 4.000 12.000 28.400 -1.000 -1.833 1.000 1.833 -0.076 0.006
2.000 4.000 16.000 37.200 1.000 2.567 1.000 2.567 0.810 0.655
2.000 4.000 20.000 42.800 3.000 5.367 9.000 16.100 0.095 0.009
 2.000 4.000 24.000 48.400 5.000 8.167 25.000 40.833 -0.619 0.383
24.000 84.000 192.400 70.000 123.000 1.757 1.665

Les données et la fonction d'étalonnage linéaire résultante sont illustrées à la Figure 2. l'incertitude
de yi est représentée par des segments verticaux couvrant votre finale dont les points sont
respectivement égaux à ( yi - u(yi) ) et ( yi + u(yi) ). Les résidus pondérés sont illustrés à la figure 3.

Figure 2 - Données du tableau 4 et fonction d'étalonnage linéaire obtenue dans le tableau 5

14

12

10
Axe des y

0
0 1 2 3 4 5 6 7
Axe des x

xi yi u(yi)
1 3.2 0.5
2 4.3 0.5
3 7.6 0.5
4 8.5 1.0
5 11.7 1.0
6 12.8 1.0

wi wi² wi²xi wi²yi gi hi gi² gihi ri ri²

        2.6 6.233     0.885  
2.000 4.000 4.000 12.800 -3.200 -6.067 10.240 19.413 0.516 0.266
2.000 4.000 8.000 17.200 -1.200 -3.867 1.440 4.640 -1.398 1.955
2.000 4.000 12.000 30.400 0.800 2.733 0.640 2.187 1.088 1.183
1.000 1.000 4.000 8.600 1.400 2.367 1.960 3.313 -0.513 0.263
1.000 1.000 5.000 11.700 2.400 5.467 5.760 13.120 0.530 0.281
1.000 1.000 6.000 12.800 3.400 6.567 11.560 22.327 -0.427 0.182
  15 39 93.5     31.6 65 2.057 4.131
 16

14

Axe des y 12

10

0
0 1 2 3 4 5 6 7
Axe des x

7. UN MODELE QUI PREND EN COMPTE LES INCERTITUDES DE Xi ET Yi :

7.1 Général

7.1.1 Cette section traite de la situation 5.3.2 b) lorsque les informations suivantes sont disponibles
pour /i= 1, ..., m:

a) résultats de mesure (xi, yi) ;

b) l'incertitude type u (xi) correspondant à xi ;

c) incertitude type u (yi) correspondant à yi ;

L'Appendice D fournit des conseils sur la détermination de l'incertitude. Toutes les covariances
correspondantes aux données sont considérées comme non significatives.

7.1.2 Situations 5.3.2 b) le modèle statistique est approprié

x i=X ¿i +d i ; yi =Y ¿i +e i ;Y ¿i = A ¿ + B¿ X ¿i ; i=1 , … , m

où di et ei sont des réalisations de variables aléatoires indépendantes avec une espérance

mathématique nulle et les variances u²(xi) et u²(yi), respectivement. Ce modèle est appelé modèle
structurel. Dans le modèle (xi, yi) représentent les coordonnées mesurées des points (X * Y * allongé
sur la ligne Y = A * + B * X.

7.1.3 Puisque xi (en plus de yi voir article 6) correspondent à des incertitudes, cela est nécessaire de
prendre en compte lors de la définition d'une fonction d'étalonnage linéaire. Le problème de la
détermination de a et b dans ce cas est l'un des problèmes de régression orthogonale pondérée (voir
[3]) ou généralisée régression (GDR) (voir [2])). Dans la littérature statistique, on l'appelle le modèle
d'erreur dans les variables (voir [7], [9], [17]). Les estimations a et b fournissent un minimum dans la
somme des carrés A, B et Xi, i= 1, ..., m avec des poids vi= 1/u(xi) et wi= 1 /u(yi)
m

∑ [ v i2 ( xi −X i )2 +w i2 ( y i− A−B X i )2 ] (6)
i=1

Chaque estimation xi * avec a et b détermine l'estimation (xi*, yi*), yi* = a + b xi* pour le modèle
(Xi*, Yi*) (5).

7.1.4 Les données A et B et les valeurs de xi* minimisant la somme des carrés (6) par rapport à X),
satisfont rapport
 1
x ¿i = x¿i ( A , B )=[ u 2 ( y i ) x i+ ( y i− A ) B u2 ( x i ) ] ¿ T i T i= (7)
u ( y i ) + B u2 ( xi )
2

En utilisant l'expression (7) et en remplaçant Xi dans l'expression (6) par xi* (A, B), on obtient :
m

∑ [ v i2 ( x i−x ¿i ( A , B ) )2 + wi2 ( yi − y ¿i ( A , B ) ) 2 ] , y ¿i ( A , B )= A+ B x ¿i ( A , B )
i=1

7.1.5 Si

R, = Rj (А В) = {-B[Xi – х*i(А,В)] + [уi – у*i (A,В)]}T1/2

alors la somme des carrés (8) équivaut à

m

∑ R i2
i=1

Pour R, il y a l'interprétation géométrique suivante. Vecteur perpendiculaire à la ligne Y = A + BX, a la

forme (-B, 1)T/ (1 + B2)1/2, R, est le coefficient de poids du composant correspondant (xi-xi² (A,B), y,
-y* {A, B)) T dans le sens de ce vecteur (en tenant compte de sa valeur).

NOTE 1 Dans les moindres carrés conventionnels (voir 5.8) et les moindres carrés pondérés (voir 5.8.

Section 6), la distance de la ligne est mesurée verticalement, c'est-à-dire dans la direction de l'axe Y,
reflétant le fait que l'écart (x, -, y)

à partir de la ligne peut être calculée en utilisant l'erreur e, - associée à y, - puisque x, - est supposée
être exactement connue.

La méthode de régression orthogonale pondérée est utilisée lorsqu'il existe une incertitude x, -.

Remarque 2 - L'expression (7) est obtenue en égalant à zéro les dérivées partielles du premier ordre

expressions (6) pour A, B et Xi

Remarque 3 - Si ujXj) = 0, alors dans les expressions (7) x * (A, B) = x ((c'est-à-dire y] (A, B) = A + BXj)
et 7} = 1 / u2 ( y) = et /?

Par conséquent, A dans l'expression (9) prend la forme R (- = w ({y - A - Bx ^. Ainsi, si u (x () = 0, R (-

estimer

de même que (4) en 6.1.3.

NOTE 4 Si u (xy) = u (y) = y, alors x * (L, B) définit le point sur la ligne Y = A + BX le plus proche de

(* / ■ y)

7.2 Estimations des paramètres, incertitudes standard associées et covariance

7.2.1 Les notes a et b sont déterminées en effectuant les calculs 1 à 6 en utilisant le schéma
d'itération décrit en 7.1.6; les incertitudes standard u (a) et if) et la covariance cov (a, b) sont
déterminées en effectuant des calculs 7 (voir l'annexe B):

1) détermination de l'approximation initiale a et b des estimations a et b, par exemple, détermination

par la méthode les moindres carrés pondérés aux meilleures lignes (voir 6.2.1 calculs 1-5), en
ignorant la présence de incertitude xi
 8. MODELE APPLICABLE AUX INCERTITUDES ASSOCIEES A XI ET YI ET AUX
COVARIANCES ASSOCIEES AUX PAIRES (XI, YI)

8.1 Général

8.1.1 Cette section couvre la situation 5.3.2 c) lorsque les informations suivantes sont disponibles

pour i = 1, ..., m

a) résultats de mesure (xi, yi);

b) l'incertitude type u (xi) correspondant à xi ;

c) l'incertitude type u (yi) correspondant à yi ;

d) covariance cov(xi, yi) correspondant à xi et yi ;

L'annexe D fournit des conseils sur la détermination des incertitudes et de la covariance. Toutes les
autres covariances conformes aux données sont considérées comme non significatives.

8.1.2 Situations 5.3.2 c) le modèle statistique est approprié

xi = Xi* + di, уi = Yi +еi, Yi = А* + ВХi i = 1,….,т,

où chaque paire (di,ei) est une réalisation d'une variable aléatoire bidimensionnelle avec une
espérance mathématique (0,0)T et une matrice de covariance avec des éléments diagonaux u² (xi) et
u² (yi), et hors diagonale éléments cov (xi,yi) = cov (yi,xi), i.e.

u2 ( x i) cov ( x i , y i )
[ cov ( xi , y i ) u 2 ( y i) ]
La matrice est indépendante des autres variables aléatoires.

NOTE - L'hypothèse selon laquelle (di, ei) sont des réalisations des variables aléatoires normales et
bidimensionnelles, il n'est nécessaire que pour la validation du modèle (10).

8.2 Estimations des paramètres de la fonction d'étalonnage et des incertitudes associées et

covariance :

8.2.1 Algorithmiquement, ce cas est une extension (voir Annexe B) du traitement donné dans la
section 7. Les calculs dans ce cas sont identiques à ceux donnés dans la section 7, en outre, que les
calculs 2) du 7.2.1 doivent être remplacés par ce qui suit :

8.2.2 Toutes les propriétés spécifiées en 7.2.2 s'appliquent aux données obtenues conformément au
modèle (10), le reste de l'article 7 est exécuté de la même manière.