Cours de Métrologie Ch1 : Principaux concepts de la métrologie

Chapitre I

Principaux Concepts de la Métrologie

I. Introduction
Pour survivre, les entreprises doivent rester toujours compétitives. Ainsi, elles devront
assurer une meilleure qualité de leurs produits. A cet égard, ces entreprises sont dans l’obligation de
bien maitriser leurs instruments de mesure. En effet, quelque soit le secteur de l'activité, les
industriels ont besoin de mesures pour maitriser les processus de fabrication et pour garantir la
conformité des produits proposés au marché.
Les mesures entrepris ne peuvent en aucun cas être exactes au sens strict. Cependant, elles
peuvent être supposées exactes à condition que les instruments de mesure utilisés fassent l'objet
d'une gestion particulière assurée par l’équipe chargée des activités de la fonction métrologique dans
l’entreprise. Ainsi, au sein de l'entreprise, il est important de mettre en place une fonction
métrologique qui va permettre de cibler les actions en fonction des besoins réels de l'entreprise,
d'assurer la maitrise des instruments, et d’apporter une amélioration incessante de la qualité.

II. La métrologie
La métrologie est la science qui s’intéresse à la mesure. Elle constitue l’une des composantes
de l’assurance qualité. En effet, c’est à partir des résultats de mesures que tout organisme prend ses
décisions relatives à ces produits. Toutefois, à chaque résultat de mesure correspond une incertitude
qui doit respecter des exigences spécifiées du produit. En fait, un résultat de mesure ou d’essai est
une information technique que l’on communique à une autre personne qui sert de base pour
prendre une décision d’acceptation ou rejet du produit.
Comme tout moyen de messagerie, pour communiquer efficacement il faut des règles pour
se comprendre. Ces règles sont codifiées par la normalisation. Ainsi, la « fonction métrologie » sous-
traite un certain nombre d’activité qui implique des ressources humaines compétentes, des
ressources en matériels, locaux, procédures, une organisation avec une gestion pour suivi,
traçabilité…

III. Principaux textes normatifs

III.1. Organismes internationaux
• ISO/IEC Guide 99:2007 :
Vocabulaire international de métrologie — Concepts fondamentaux et généraux et termes
associés (VIM).
• ISO/IEC Guide 98-1:2009 :
Incertitude de mesure -- Partie 1: Introduction à l'expression de l'incertitude de mesure. Le Guide
ISO/CEI 98-1:2009 fournit une introduction sommaire au «Guide pour l'expression de
l'incertitude de mesure» (GUM) afin d'indiquer la pertinence de ce guide fondamental et d'en
promouvoir l'utilisation. Il donne aussi un aperçu de documents en rapport avec le GUM qui se
proposent d'étendre l'application de ce guide à des catégories et des champs de problèmes
pratiques plus vastes.

M. SALAH, ENIGA 2017 Page 1

Cours de Métrologie Ch1 : Principaux concepts de la métrologie

Le Guide ISO/CEI 98-1:2009 traite des divers concepts utilisés en métrologie. En particulier, il
couvre la nécessité de définir la qualité d'un mesurage à travers un énoncé approprié sur
l'incertitude de mesure. Ce document d'introduction dresse également les contours des
évolutions récentes de la réflexion concernant l'incertitude de mesure.
• ISO/IEC Guide 98-3:2008 :
Incertitude de mesure —Partie 3: Guide pour l'expression de l'incertitude de mesure
(GUM:1995).
III.2. Organisme national tunisien (INNORPI)
Normes tunisienne (NT) dans le domaine de la métrologie :
Métrologie et mesurages phénomènes, physiques : ICS (International Classification for Standards) = 17
Métrologie et mesurage en général : 17.020
• NT 59.104(2006) :
Vocabulaire international des termes fondamentaux et généraux de métrologie (VIM).
• NT 59.42(1984) :
Classe de précision des instruments de mesurage.
• NT 59.341(2007) :
Termes et définitions utilisés en rapport avec les matériaux de référence.
• NT 110.138(2001) :
Guide pour l'expression de l'incertitude de mesure.
• NT 110.148(2005) :
Exactitude (justesse et fidélité) des résultats et méthodes de mesure - partie 6: utilisation dans la
pratique des valeurs d'exactitude.
• NT 110.271(2005) :
Exactitude (justesse et fidélité) des résultats et méthodes de mesure - partie 2: méthode de base
pour la détermination de la répétabilité et de la reproductibilité d'une méthode de mesure
normalisée.
• NT 110.279(2005) :
Exactitude (justesse et fidélité) des résultats et méthodes de mesure - partie 1: principes
généraux et définitions.
• NT 110.280(2005) :
Exactitude (justesse et fidélité) des résultats et méthodes de mesure - partie 3: mesures
intermédiaires de la fidélité d'une méthode de mesure normalisée
• NT 110.281(2005) :
Exactitude (justesse et fidélité) des résultats et méthodes de mesure - partie 4: méthodes de
base pour la détermination de la justesse d'une méthode de mesure normalisée.
• NT 110.282(2005) :
Exactitude (justesse et fidélité) des résultats et méthodes de mesure - partie 5: méthodes
alternatives pour la détermination de la fidélité d'une méthode de mesure normalisée.

IV. Lexique spécifique

Comme toute science, la métrologie possède son propre vocabulaire spécifique. Ci-après les
principaux termes et leurs explications :

M. SALAH, ENIGA 2017 Page 2

Cours de Métrologie Ch1 : Principaux concepts de la métrologie

• Mesurage :
C’est l’ensemble des tâches permettant de déterminer la valeur d’une grandeur.
• Processus de mesurage :
C’est l’ensemble des informations, des équipements et des opérations relatifs à un mesurage
donné. Ce concept recouvre tous les aspects relatifs à l’exécution et à la qualité du mesurage ; il
comprend par exemple le principe, la méthode, le mode opératoire, les valeurs des grandeurs
d’influence et les étalons.
• Mesurande :
C’est la grandeur qui est soumise au mesurage (grandeur que l’on veut mesurer).
• Résultat d’un mesurage :
C’est la valeur qui est attribuée au mesurande. Une expression complète du résultat d’un
mesurage comprend des informations sur l’incertitude de mesure. En métrologie, on appelle
souvent « x » la mesure de la valeur de la grandeur (un nombre), et X le résultat de la mesure,
c’est à dire l’expression complète du résultat (un intervalle de valeurs).
• Exactitude de mesurage :
Elle traduit le degré de l’accord entre le résultat d’un mesurage et une valeur vraie du
mesurande.
• Essai :
La norme NF EN 45020 définit l’essai comme opération technique qui consiste à déterminer une
ou plusieurs caractéristiques ou la performance d’un produit, matériau, équipement, organisme,
phénomène physique, processus ou service donné, selon un mode opératoire spécifié.
• Valeur vraie :
C’est la valeur qui est obtenue suite à un mesurage idéal (parfait). Ainsi, la valeur vraie X vrai
reste toujours indéterminée.
• Valeur conventionnellement vraie :
Valeur attribuée à une grandeur particulière et reconnue parfois par convention, comme la
représentation avec une incertitude appropriée pour un usage donné.
• Conditions de répétabilité :
Lorsque le même opérateur effectue N mesures sur le même appareil en procédant au même
mode opératoire et dans les mêmes conditions, on dit que les conditions de répétabilité sont
remplies. Cette répétition doit être effectuée sur une courte période de temps et avec un
nombre réduit de mesures. L’aptitude d’un instrument à donner des indications très voisines lors
de l’application répétée du même mesurande dans les mêmes conditions est appelée « fidélité
de l’instrument de mesure ».
• Répétabilité :
Étroitesse de l’accord entre les résultats des mesurages successifs du même mesurande
effectués dans la totalité des mêmes conditions de mesure (conditions de répétabilité). D’après
la norme NF ISO 3534-1, c’est aussi la fidélité sous des conditions de répétabilité.
• Conditions de reproductibilité :
Pour respecter les conditions de reproductibilité, les résultats de mesurages devront être
obtenus par la même méthode sur des individus d'essais identiques dans différents laboratoires,
avec différents opérateurs, et moyennant des équipements différents. Ainsi, entre essais il faut
faire recours à différents appareils, plusieurs opérateurs, des étalons de référence, des grandeurs
d’influence, des méthodes, des lieux, et des temps.

M. SALAH, ENIGA 2017 Page 3

Cours de Métrologie Ch1 : Principaux concepts de la métrologie

• Reproductibilité :
C’est la fidélité sous des conditions de reproductibilité. Autrement, c’est l’expression de
l’étroitesse de l'accord entre les résultats des mesurages du même mesurande, lorsque ces
mesurages sont effectués en faisant varier les conditions de mesure.
• Erreur de mesure :
Faute des imperfections lors d’un mesurage il y a un écart entre le résultat du mesurage et la
valeur vraie du mesurande. En effet, un mesurage n’étant jamais parfait, il y a toujours une
erreur de mesure définie par :

ε mes = x − X vrai (1)

Cette erreur de mesure possède généralement deux composantes : erreur aléatoire et erreur
systématique. Toutefois une troisième composante dite erreur accidentelle peut être aussi
considérée.
• Erreur aléatoire :
Dans les conditions de répétabilité (n mesures), la moyenne arithmétique définie par:

n
xi
x=∑ (2)
i =1 n

est considéré un excellent estimateur de la valeur du mesurande. Toutefois, une mesure

quelconque x peut être différente de cette moyenne. Ainsi, si le nombre de mesurages est infini
( n → ∞ ), cet écart qui est non reproductible et qui obéit à des lois statistiques correspond à
l’erreur aléatoire définie par:

ε rand = ( x − x) (3)

Remarquons que :

( xmin − x) ≤ ε rand ≤ ( xmax − x ) (4)

Dans la pratique, le nombre de mesurages est toujours fini. Ainsi, il est seulement possible de
déterminer une estimation de l’erreur aléatoire.
• Erreur systématique :
Si on effectue un nombre infini de mesurages du même mesurande dans les conditions de
répétabilité, l’écart entre la moyenne et une valeur vraie du mesurande est reproductible, liées à
une cause physique donc pouvant être éliminées par des actions correctives. Il correspond à
l’erreur systématique exprimée par:

ε sys = ( x − X vrai ) (5)

Comme la valeur vraie du mesurande est toujours inconnue, et qu’on ne peut faire qu’un
nombre fini de mesurages, il est seulement possible de déterminer une estimation de l’erreur
systématique. L’estimation de cette erreur systématique est appelée biais de mesure ou erreur
de justesse. Ainsi, la justesse d’un instrument de mesure est son aptitude à donner des
indications exemptes d’erreur systématique.

M. SALAH, ENIGA 2017 Page 4

Cours de Métrologie Ch1 : Principaux concepts de la métrologie

Lors d’une mesure, l’erreur aléatoire peut prendre, au hasard, n’importe quelle valeur sur un
certain intervalle. Par contre, l’erreur systématique prend la même valeur, déjà inconnue, lors de
chaque mesure.
Remarquons que :

ε mes = x − X vrai = ε sys + ε rand (6)

• Fidélité :
La fidélité d’un essai est l’étroitesse d’accord entre des résultats d’essai indépendants obtenus
sous des conditions stipulées. Elle dépend uniquement de la distribution des erreurs aléatoires et
n’a aucune relation avec la valeur vraie ou la valeur spécifiée. La mesure de la fidélité est
exprimée en termes « d’infidélité » et est calculée à partir de l’écart-type des résultats d’essais.
Ainsi, une fidélité faible est reflétée par un grand écart-type.
• Etalon et Etalonnage:
La norme NF X 07-001 définit l’étalon par : « Mesure matérialisée, appareil de mesure, matériau
de référence ou système de mesure destiné à définir, réaliser, conserver ou reproduire une unité
ou une ou plusieurs valeurs d’une grandeur pour servir de référence » d’un instrument de
mesure (IdM) : opération destinée à amener un IdM à un état de fonctionnement convenant à
son utilisation.
L’étalonnage est l’ensemble des opérations établissant dans des conditions spécifiées, la relation
entre les valeurs de la grandeur indiquées par un appareil de mesure ou un système de mesure
ou les valeurs représentées par une mesure matérialisée, et les valeurs correspondantes de la
grandeur réalisée par des étalons.
• Vérification :
C’est la confirmation par examen et établissement des preuves que les exigences spécifiées ont
été satisfaites (norme NF X 07-001).
• Grandeur d’influence :
C’est une grandeur qui n’appartient pas au mesurande, mais qui a un effet sur le résultat du
mesurage.
• Incertitude-type :
C’est l’incertitude du résultat d’un mesurage exprimé sous la forme d’un écart-type.
• Evaluation de type A :
C’est l’évaluation de l’incertitude par analyse statistique de séries d’observations.
• Evaluation de type B :
C’est l’évaluation de l’incertitude par des moyens autres que l’analyse statistique de séries
d’observations. En effet, on fait recours à un jugement sur toutes informations disponibles telles
que : résultats de mesures antérieures, expérience ou connaissance générale du comportement
et des propriétés des matériaux et des instruments utilisés, spécifications du constructeur,
données fournies par les certificats d’étalonnage, constats de vérification, incertitude assignée à
des valeurs de référence provenant de documents.
• Incertitude-type composée :
Incertitude-type du résultat d’un mesurage, lorsque ce résultat est obtenu à partir des valeurs
d’autres grandeurs, égale à la racine carrée d’une somme de termes, ces termes étant les
variances ou covariances de ces autres grandeurs, pondérées selon la variation du résultat de
mesure en fonction de celle de ces grandeurs.

M. SALAH, ENIGA 2017 Page 5

Cours de Métrologie Ch1 : Principaux concepts de la métrologie

• Incertitude élargie (ou globale):

Grandeur définissant un intervalle, autour du résultat d’un mesurage, dont on puisse s’attendre à
ce qu’il comprenne une fraction élevée de la distribution des valeurs qui pourraient être
attribuées raisonnablement au mesurande.
• Facteur d’élargissement:
Facteur numérique utilisé comme multiplicateur de l’incertitude-type composée pour obtenir
l’incertitude élargie.
• Notion des 5M :
- le Moyen de mesure (instrument, chaîne, système),
- la Méthode (mode opératoire),
- la Main d’œuvre (opérateur),
- le Milieu (environnement),
- la Matière (caractéristique du produit).

M. SALAH, ENIGA 2017 Page 6

Cours de Métrologie Ch2 : Représentation d’un nombre décimal

Chapitre II

Représentation d’un nombre décimal

I. Notation scientifique et notation ingénieur

A un signe près ( ± ), un nombre décimal x est représenté par le produit de deux facteurs : une
mantisse (ou significande) M, et une puissance entière de 10 :

x = ±M.10n

I.1. Notation scientifique

Dans cette notation :

• la mantisse est un nombre décimal avec une partie entière qui est comprise entre 1 et 9 :

1 ≤ E (M) ≤ 9

Autrement dit, à gauche de la virgule il n’y a qu’un seul chiffre qui est non nul. A droite, un nombre
variable de décimales qui dépend de la précision.

Exemple de mantisse : M=3,0438

• l’exposant de 10 est un entier relatif ( n ∈ ℤ ).

Exemples de notation scientifique:

2017 s'écrit ⇒ 2, 017 ×103

0, 017 s'écrit ⇒ 1, 7 ×10−2

0, 0005 s'écrit ⇒ 5 × 10−4

I.2. Notation ingénieur

Dans cette notation :

• la mantisse est un décimal de l’intervalle [1…999] :

1 ≤ M ≤ 999

Autrement dit, à gauche de la virgule Il n’y a qu'un maximum de trois chiffres (non tous nuls). A
droite un nombre variable de décimales qui dépend de la précision. Ainsi 0 ne peut pas être
représenté dans cette notation.

• l’exposant est un entier relatif multiple de 3 : n = 3k

Exemples de notation ingénieur:

M. SALAH, ENIGA 2017 Page 7

Cours de Métrologie Ch2 : Représentation d’un nombre décimal

2017 s'écrit ⇒ 2, 017 ×103

0, 017 s'écrit ⇒ 17 ×10−3

0, 0005 s'écrit ⇒ 500 ×10−6

II. Chiffres significatifs (cs)

Le nombre de chiffres employés pour décrire la valeur d’une grandeur physique souvent
dimensionnée (résistance, vitesse, volume...) est extrêmement important. On les nomme chiffres
significatifs. Attention, on doit prendre garde à maintenir la pertinence du résultat lorsque ces
nombres sont manipulés entre eux (les quatre opérations usuelles).

II.1. Les zéros et leurs significations :

Les chiffres, autres que les zéros, sont toujours significatifs. Les zéros ne sont pas significatifs s'ils
sont placés en tête d'un nombre.

Exemples:

8, 460 ⇒ 4 chiffres significatifs

0, 0460 ⇒ 3 chiffres significatifs

Ambigüité :

S'il s'agit d'un nombre entier, seul le contexte permet de décider si le zéro est significatif ou non.

Exemples

« Hier, j'ai fait 100 km en voiture » ⇒ Les zéros ne sont pas significatifs : il ya 1 seul cs.

« J’ai commandé 50 l de carburant pour ma voiture» ⇒ Le zéros est significatif : il ya 2 cs.

II.2. Passage unité-multiple et unité sous-multiple

Lorsque l'on passe d'une unité à un multiple ou à un sous-multiple, il faut veiller à conserver le même
nombre de chiffres significatifs.

Exemples:

m = 1,37 kg (3 chiffres significatifs) ⇒ m = 1370 g (4 chiffres significatifs !)

m = 1,37 kg (3 chiffres significatifs) ⇒ m = 1,37.103 g (3 chiffres significatifs aussi)

II.3. Précision
Si on ne dispose pas d’information concernant la manière dont les nombres sont obtenus, le nombre
de chiffres significatifs indique la précision. Par convention, on considèrera que le dernier chiffre
significatif est connu à ±0,5.

Exemples:

M. SALAH, ENIGA 2017 Page 8

Cours de Métrologie Ch2 : Représentation d’un nombre décimal

L’écriture U = 35,874 V indique que la valeur de la tension est comprise entre 35,874 ± 0.0005V ,
c'est-à-dire : 35,8735 V < U < 35,8745 V

L’écriture U = 2,80 V indique que la valeur de la tension est comprise entre 2,80 ± 0, 005V , c'est-
à-dire : U = 2, 795 V < U < 2,805 V

L’écriture U = 2,8 V indique que la valeur de la tension est comprise entre 2,8 ± 0, 05V , c'est-à-
dire : U = 2, 75 V < U < 2,85 V

II.4. Arrondissement
Le résultat obtenu par un calcul doit être arrondi afin de l’exprimer avec une précision qui égalise
celle de la moins précise des données utilisées.

Pour réécrire un résultat, on fait appel à une technique d’arrondissement.

Arrondi arithmétique :

C’est la méthode la plus utilisée. Elle consiste à :

• choisir le dernier chiffre de droite à conserver.

• procéder à un arrondissage par excès : on augmenter ce chiffre d'une unité si le chiffre suivant
est 5, 6, 7, 8 ou 9 (>4).
• procéder à un arrondissage par conservation : on conserve ce chiffre si le suivant est strictement
inférieur à 5 (0, 1, 2, 3,ou 4).

1, 046 ⇒ 1, 05

4, 073 ⇒ 4, 07

12,135 ⇒ 12,14

Arrondi au pair le plus proche :

Elle consiste à :

• choisir le dernier chiffre de droite à conserver.

• procéder à un arrondissage par excès : si le chiffre suivant est 6, 7, 8 ou 9 (>5).
• procéder à un arrondissage par conservation : si le chiffre suivant est 0, 1, 2, 3, ou 4 (<5).
• si le chiffre suivant est 5 :
o 5 est suivi d’autres décimaux non nuls : arrondissage par excès (ajout)
o 5 est seul ou suivi de zéros :
Si la décimale est impaire : arrondissage par excès (ajout)
Si la décimale est paire : arrondissage par conservation.

Exemples :

1, 046 ⇒ 1, 05

M. SALAH, ENIGA 2017 Page 9

Cours de Métrologie Ch2 : Représentation d’un nombre décimal

4, 073 ⇒ 4, 07

12,13501 ⇒ 12,14

12,1350 ⇒ 12,14

12,165 ⇒ 12,16

II.5. Représentation d’un résultat issu d’une opération

• Pour les opérations d’addition et de soustraction, le résultat ne doit jamais posséder plus de
décimales que la donnée qui en a le moins.

Exemples:

3, 24 + 1,51 = 4, 75 ⇒ Ok.

3, 24 + 1,5 = 4, 74 ⇒ Non. Il faut écrire 3, 24 + 1,5 = 4, 7

4, 74 − 3, 24 = 1,50 ⇒ Ok.

4, 74 − 3, 2 = 1,54 ⇒ Non. Il faut écrire 4, 74 − 3, 2 = 1,5

• Pour les opérations de multiplication et de division, le résultat ne doit pas avoir plus de chiffres
significatifs que la donnée qui en a le moins.

Exemples:

3, 24x1,51 = 4,8924 (5 cs) ⇒ Non. Il faut écrire 3, 24x1,51 = 4,89 (3 cs)

1, 24x0, 2 = 0, 248 (3 cs) ⇒ Non. Il faut écrire 1, 24x0, 2 = 0, 2 (1 cs)

25,54x60, 2 = 1537,508 (7 cs) ⇒ Non. Il faut écrire 25,54x60, 2 = 1,54x103 (3 cs)

6,1/ 3, 2 = 1,90625 (6 cs) ⇒ Non. Il faut écrire 6,1/ 3, 2 = 1,9 (2 cs)

M. SALAH, ENIGA 2017 Page 10

Cours de Métrologie Ch3 : Rappel sur la statistique et la probabilité

Chapitre III

Rappel sur la statistique et la probabilité

I. Distribution statistique

Soit une série statistique (d’observations) { xi } de « n » échantillons, et soit « f » le nombre

(fréquence) des « x » ayant une même valeur « y ». Alors les « n » échantillons « xi » peuvent être
répartis en « c » classes de « y ». Soit :

∑f
i =1
i =n (7)

Exemple : n=16 échantillons

Tableau T1
échant x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14 x15 x16
valeur 11 9 10 14 11 8 9 12 7 8 8 9 11 14 10 9

Si on réarrange les valeurs du tableau T1 dans l’ordre croissant, nous aurons :

Tableau T2
échant x9 x10 x11 x6 x2 x7 x12 x16 x3 x15 x1 x5 x13 x8 x4 x14
valeur 7 8 8 8 9 9 9 9 10 10 11 11 11 12 14 14

Le regroupement de ces échantillons en classes donne (c=7) :

Tableau T3
échant y1 y2 y3 y4 y5 y6 y7
valeur 11 9 10 14 8 12 7
fréquence 3 4 2 2 3 1 1

I.1. Caractérisation du centre

Nous cherchons une caractéristique du centre de la distribution des observations {xi}. Il en existe
plusieurs : le mode, la médiane, la moyenne arithmétique (la plus utilisée), et la moyenne
géométrique.

Le mode :

C’est la valeur de la variable la plus fréquente de la population étudiée. En d'autres termes, dans une
distribution statistique, le mode est la modalité de la variable à laquelle est associé le plus grand
effectif ou la plus grande fréquence.

Mode = y [ max( fi ) ] (8)

Pour l’exemple, le tableau T3 donne Mode = 9

M. SALAH, ENIGA 2017 Page 11

Cours de Métrologie Ch3 : Rappel sur la statistique et la probabilité

La médiane :

La médiane d’une série statistique ordonnée est la valeur qui sépare cette série en deux groupes de
même effectif.

9 + 10
Pour l’exemple, le tableau T2 donne Med = = 9.5
2

Moyenne arithmétique :

1 n 1 c
x= ∑ i n∑
n i =1
x =
i =1
fi . yi (9)

Pour l’exemple, le tableau T3 donne x = 10

Moyenne géométrique :

1
 
n
xg =  ∏ xi 
n
(10)
 i =1 

Pour l’exemple, le tableau T1 donne xg = 9.81

I.2. Caractérisation de la dispersion

Il s'agit d'estimer ce que nous pourrions aussi appeler la largeur d'une distribution. La grandeur la
plus simple à déterminer est l'étendue. Mais celle-ci est très sensible aux valeurs extrêmes qui ne
sont pas toujours représentatives, et peuvent même parfois être absurdes. Dans les faits, la grandeur
la plus utilisée est l'écart-type.

L’étendue :

C’est la différence entre les valeurs maximale et minimale :

Etend = xmax − xmin (11)

Pour l’exemple, le tableau T1 donne Etend = 14 − 7 = 7

L'écart-type :

n c

∑ ( xi − x)2 ∑ f .( x − x)i i
2

s= i =1
= i =1
(12)
n −1 n −1

∑ f .( x − 10)
i i
2

Pour l’exemple, le tableau T3 donne s = i =1

= 2.07
15

L'écart quadratique moyen :

M. SALAH, ENIGA 2017 Page 12

Cours de Métrologie Ch3 : Rappel sur la statistique et la probabilité

Si on divise la somme de l’Eq (12) par « n » au lieu de « n-1 », nous obtiendrons l’écart quadratique
moyen :

n c

∑ ( xi − x)2 ∑ f .( x − x)
i i
2

sq = i =1
= i =1
(13)
n n

Remarquons que pour « n » très élevé, les deux catégories d’écart se confondent :

Lim( s ) = sq (14)
n →∞

∑ f .( x − 10) i i
2

Pour l’exemple, le tableau T3 donne sq = i =1

=2
16

II. Echantillons d’une population

Considérons une population de taille « N » et notons « µ » sa moyenne et « σ » sont écart-type. De
cette population on va choisir (prélever) au hasard « n » échantillons. Désignons par « x » la
moyenne arithmétique de ces échantillons et par « s » son écart-type. Il est évident que plus la taille
de l'échantillon est grande, plus les valeurs de « x » et de « s »sont amenées à se rapprocher de celles
« µ » et « σ » :

Lim( x) = µ (15)
n→ N

Lim( s ) = σ (16)
n→ N

Maintenant supposons que la population est de taille infinie ( N → ∞ ).Ainsi nous avons:

µ = Lim( x) (17)
n →∞

D’autre part, si on désigne par :

f
pi = Lim( i ) (18)
n →∞ n

C’est la probabilité de la réalisation de l’événement « xi ».

Alors, l’Eq (7) permet de vérifier bien que nous avons :

∑p i
i =1 (19)

La formule de la moyenne arithmétique (Eq (9)) permet de tirer :

µ = ∑ pi .xi (20)
i

M. SALAH, ENIGA 2017 Page 13

Cours de Métrologie Ch3 : Rappel sur la statistique et la probabilité

De même :

c
fi
σ = Lim( s ≈ sq ) = Lim
n →∞ n →∞
∑ n .( x − x)
i =1
i
2
= ∑ p .( x − µ )
i
i i
2
(21)

Considérons maintenant le jeu de pile (P) [x0=0]/ face (F) [x1=1] d’une pièce de monnaie. Le résultat
de la lancé d’une pièce correspond à un échantillon de la population « résultats de la lancé d’une
infinité de pièces ». Les probabilités étant égales. Nous avons p0 = p1 = 1/ 2 . Ainsi, l’Eq (20) et l’Eq
(12) donnent:

µ = p0 .x0 + p1.x1 = 1/ 2

σ = (1/ 2)( x0 − 1/ 2) 2 + (1/ 2)( x1 − 1/ 2) 2 = 1/ 2

Si on lance maintenant 3 pièces, les résultats probables avec leurs probabilités d’apparition seront :
Pièce 3 Pièce 2 Pièce 1 Probabilité
3 P P P 1/(23)=1/8
2 P P F 1/(23)=1/8
2 P F P 1/(23)=1/8
1 P F F 1/(23)=1/8
2 F P P 1/(23)=1/8
1 F P F 1/(23)=1/8
1 F F P 1/(23)=1/8
0 F F F 1/(23)=1/8
Ou encore :
Nombre « P » Fréquence Probabilité
0 1 1/8
1 3 3/8
2 3 3/8
3 1 1/8
Ainsi la distribution devient :

Distribution
4
3
2
1
0
0 1 2 3

M. SALAH, ENIGA 2017 Page 14

Cours de Métrologie Ch3 : Rappel sur la statistique et la probabilité

Maintenant on augmente progressivement le nombre de pièces et on représente les distributions de

nouveau 4 ; 5 puis 6 :

Remarquons que si le nombre des pièces lancées tend vers l’infinie ( n → ∞ ) la distribution prend la
forme d’une cloche. C’est la distribution de Gauss ou de la loi dite « normale ».

III. Distribution continue

III.1. Notion de variable aléatoire :
Une variable aléatoire est une application définie sur l'ensemble des éventualités, c'est-à-dire
l'ensemble des résultats possibles d'une expérience aléatoire. C’est une fonction qui associe un
nombre réel à chaque élément de l’espace échantillonnal. Elle peut être discrète, continue ou mixte.

III.2. Caractérisation d’une distribution continue :

Si nous nous intéressons à la taille des habitants d'une ville, celles-ci sont toutes possibles, la
distribution est alors non discrète, elle est continue. Nous parlons alors de densité de probabilité
p( x) avec p( x).dx est la probabilité d'un évènement d'être entre x et ( x + dx) . dx est une petite
variation, et ( x + dx) est infiniment voisin de x . Comme la probabilité que l'évènement se réalise sur
l'ensemble des valeurs possibles est de 100% nous avons :

+∞

∫ p( x).dx = 1
−∞
(22)

Moyenne :

+∞
µ= ∫ x. p( x).dx (23)
−∞

Ecart-type :

+∞
σ= ∫ ( x − µ ) . p( x).dx
2
(24)
−∞

III.3. Distribution de Gauss :

M. SALAH, ENIGA 2017 Page 15

Cours de Métrologie Ch3 : Rappel sur la statistique et la probabilité

Pour une distribution gaussienne, la densité de probabilité est exprimée par :

1  x−µ 
2

1 − 
σ 
pµ ,σ ( x) = e 2 (25)
σ 2π

Remarquons que :

µ +σ

∫
µ σ
−
p ( x).dx ≈ 68% (26)

µ + 2σ

∫
µ σ
−2
p( x).dx ≈ 95% (27)

µ + 3σ

∫
µ −3σ
p( x).dx ≈ 99% (28)

Dans le cas particulier de moyenne nulle ( µ = 0 ) et un écart-type unitaire ( σ = 1 ), la distribution est

dite centrée et réduite :

1 − 12 x2
p0,1 ( x) = e (29)
2π

M. SALAH, ENIGA 2017 Page 16