Académique Documents
Professionnel Documents
Culture Documents
Métrologie B
Métrologie B
Cours
Métrologie Pratique
Partie III:
Mesure et incertitudes
Il est inévitable que toutes les décisions, toutes les actions et donc
toutes les mesures comportent une incertitude inhérente. Le terme
incertitude est utilisé dans de nombreux rapports et est un concept
fréquemment utilisé sans signification scientifique.
Cependant, les métrologues ont défini l'incertitude et lui ont donné
un contenu scientifique utile pour toutes les mesures. Le mot
incertitude signifie doute ; l’incertitude du résultat d’un mesurage
reflète l’impossibilité de connaître exactement la valeur du
mesurande. La définition de l'incertitude de mesure selon l'ISO est:
Paramètre, associé à un résultat de mesure qui caractérise la
dispersion des valeurs qui pourraient être raisonnablement
attribuées au mesurande.
2
Notion d’incertitude-type
3
Modes d’évaluation de l’incertitude
4
Évaluation de type A
σ (X ) ( xi − x) 2
n
σ (X ) = ⇒ σ (X ) = ∑
n i =1 n( n − 1)
7
Évaluation de type B
8
Évaluation de type B
Les lois qui sont rencontrées le plus souvent sont les lois normales
(ou de Gauss), triangulaires, et les lois rectangulaires (ou
uniformes).
9
Évaluation de type B
M-d M+d
10
Loi Normale
Densité de probabilité :
1 x−µ
2
p( x) 1 −
2 σ
1 p ( x) = e
σ 2π
σ 2π
6σ
µ − 3σ µ µ + 3σ
µ +σ
∫
µ σ−
p ( x).dx ≈ 68%
+∞
µ + 2σ d
2d = 6σ ⇒ σ =
∫ p( x).dx = 100%
−∞ ∫ p ( x).dx ≈ 95% 3
µ σ−2
µ +3σ
∫
µ σ
p( x).dx > 99%
−3 11
Loi Uniforme
Densité de probabilité :
p( x)
d
1
b−a
a µ −σ µ µ +σ b
Espérance :
+∞
(b + a )
b
1 1
E( X ) = µ = ∫ x. p ( x)dx ⇒ µ = ∫ x dx ⇒ µ = (b 2 − a 2 ) ⇒ µ =
−∞ a
(b − a ) 2(b − a ) 2
Ecart-type :
+∞ b
( x − µ ) 2
(b − µ ) 3
− ( a − µ ) 3
V ( X ) = E ( X − E ( X ) ) = ∫ ( x − µ ) . p ( x)dx = ∫
2 2
dx =
(b − a ) 3(b − a )
−∞ a
1 b − a 3 b − a 3 (b − a ) 2 (b − a ) d
⇒V = ( ) + ( ) ⇒ V = ⇒ σ = ⇒ σ =
3(b − a ) 2 2 12 2 3 3 12
Loi Triangulaire
Densité de probabilité : 4( x − a ) a+b
(b − a ) 2 si a ≤ x ≤
2
p( x)
4( x − a ) a+b
p( x) = si ≤ x≤b
2
( b − a ) 2
2
b−a 0 sinon
2σ
a µ −σ µ µ +σ b
Espérance :
+∞
(b + a )
E( X ) = µ = ∫ x. p ( x) dx ⇒ µ =
−∞
2
Ecart-type :
+∞
V ( X ) = E ( X − E ( X ) ) = ∫ µ
2
( x − ) 2
. p ( x)dx
−∞
1 (b − a ) 2 b−a d
⇒V = ⇒σ = ⇒σ = 13
2 12 2 6 6
Loi Triangulaire
Les mesures indépendantes effectuées sur une grandeur X sont
reportées dans le tableau suivant:
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
2.132 2.139 2.128 2.133 2.132 2.135 2.130 2.129 2.134 2.136
Moyenne :
n
xi
x=∑ = 2.1328
i =1 n
Ecart-type :
+∞
V ( X ) = E ( X − E ( X ) ) = ∫ µ
2
( x − ) 2
. p ( x)dx
−∞
1 (b − a ) 2 b−a d
⇒V = ⇒σ = ⇒σ = 14
2 12 2 6 6
Centre 1: Médiane
7 7
5 5 5 5
4
3 3 3 3 3
2
4.5
3
7 7
5 5 5 5
4
3 3 3 3 3
2
Centre 2: Mode
7 7
5 5 5 5
4
3 3 3 3 3
2
x1 x2 x3 x4 x5 x6 x7 x1 x2 x3 x4 x5 x6
5 2 3 7 3 5 3 5 2 3 7 3 5
y1 y2 y3 y4 y1 y2 y3 y4
5 2 3 7 5 2 3 7
fi 2 1 3 1 fi 2 1 2 1
7
5 5
4
3 3 3
2
1 n 1 7
x = ∑ xi ⇒ x = ∑ ( x1 + x2 + x3 + x4 + x5 + x6 + x7 ) = 4
n i =1 7 i =1
y1 y2 y3 y4
5 2 3 7
fi 2 1 3 1
1 c 1 4
x = ∑ fi yi ⇒ x = ∑ ( 2 y1 + 1. y2 + 3 y3 + 1. y4 ) = 4
c i =1 4 i =1 17
Centre 4: Moyenne Géométrique
7
5 5
4
3 3 3
2
1
n
n
xg = ∏ xi = ∏ xi ⇒ xg = 7 x1 x2 x3 x4 x5 x6 x7 ≈ 3.7
n
n
i =1 i =1
y1 y2 y3 y4
5 2 3 7
fi 2 1 3 1
c cfi c
xg = c ∏ xi = ∏ xi
fi
⇒ xg = 7
y12 y2 y33 y4 ≈ 3.7
18
i =1 i =1
Dispersion 1: Etendue
7
5 5
3 3 3
2
Et = max( xi ) − min( xi )
⇒ Et = 7 − 2 = 5
7
5 5
3 3 3
2
19
Dispersion 2: Variance & Ecart-type
-3
-1 -1
+1 7 +1 +1
+2
5 5
4
3 3 3
2 ε1 = −1
ε = +2
2
Ecarts : ε 3 = +1
1 n 1 c
ε i = xi − x ⇒ ε i = xi − ∑ x j ⇒ ε i = xi − ∑ f j x j ⇒ ε 4 = −3
n j =1 c j =1 ε = +1
Variance : 5
1 n 2 1 n 1 n ε 6 = −1
V = ∑ ε i = ∑ ( xi − x) = ∑ ( xi ) 2 − ( x) 2 ≈ 2.57
2
n i =1 n i =1 n i =1 ε 7 = +1
Ecart-type :
1 n 2 1 n 1 n 2
σ= V = ∑
n i =1
ε i = ∑
n i =1
( xi − x ) 2
= ∑
n i =1
( xi ) 2
− ( x )
⇒ σ ≈ 1.6
20
Echantillonnage: Motivation
Unique technique efficace en cas de tests destructifs !
X X
X X
X X X X X
X X X X X X X
X X X X
X X X X X X X X
X X X X X X x X XX X
m X X X X X X
X X X X XX σ e
σ p X X X X X
X X Echantillon de n individus
Population de N individus
la représentativité de l’échantillon
Il faut tenir en compte de :
les fluctuations d’échantillonnage 21
Echantillonnage: Techniques
Echantillonnage à base de Jugement :
Certaines sous-populations sont jugées des indicateurs fiables qui informent
sur la tendance de la population entière.
Exemple:
Dans les campagnes électorales certains districts électoraux sont des
indicateurs fiables de l’opinion publique
22
Echantillonnage: Méthodes
Echantillonnage à base de Jugement :
Certaines sous-populations sont jugées des indicateurs fiables qui informent
sur la tendance de la population entière. (exemple des élections)
Echantillonnage Stratifié :
Subdiviser la population hétérogène en sous-groupes homogènes (strates)
avant l'échantillonnage. Ainsi, aucun élément de la population générale ne
peut être omis. L'échantillonnage est alors appliqué au sein des strates.
Echantillonnage par Grappes (Cluster Sampling):
Subdiviser la population en sous-groupes homogènes (strates) avant
l'échantillonnage. Ainsi, aucun élément de la population générale ne peut
23
être omis. L'échantillonnage est alors appliqué au sein des strates.
Fin…
Merci
pour votre Attention