TB1.

TIPE - Fiche : Calculs d’incertitude et représentation des barres d’erreurs

Vous avez pu acquérir au cours de votre formation pré-baccalauréat, des savoirs en métrologie, que nous revoyons tout au
long des deux années de CPGE TB.
Cette fiche propose un bilan des définitions de termes métrologiques que vous déjà abordés au préalable.

I Les indicateurs de qualité

I.1 Incertitude de mesure pour limiter les erreurs

Conditions de répétabilité Conditions de reproductibilité

•Même méthode •Même méthode
•Même matériau •Même matériau
•Même laboratoire •Laboratoires différents
•Même opérateur •Opérateurs différents
•Même équipement •Équipements différents
•Court intervalle de temps •Dispersion maximale
•Dispersion minimale

En TIPE, vous vous placez en général dans des conditions de répétabilité.

I.2 Les principaux indicateurs qualité d’un instrument de mesure ou d’une méthode de mesure

La justesse
La justesse d’un instrument ou d’une méthode exprime l’étroitesse de l’accord entre la valeur moyenne obtenue à
partir d’une large série de résultats de mesures et la valeur de référence acceptée.

La fidélité
Etroitesse de la dispersion des valeurs obtenues lors d’une série de mesures dans des conditions stipulées
(répétabilité, reproductibilité ou fidélité intermédiaire).

Exactitude
Étroitesse de l’accord entre un résultat de mesure et la valeur « vraie » du mesurande.

Sensibilité
La sensibilité est un paramètre exprimant la variation du signal de sortie d'un appareil de mesure en fonction de la
variation du signal d'entrée.
La sensibilité correspond à 𝑓 (𝑥) = .
Si y(x) est une droite alors la sensibilité est la pente de la droite.
Résolution
La résolution est la plus petite variation de la grandeur mesurée qui produit une variation perceptible de l'indication
délivrée par l'instrument.

1
Limite de détection
Plus petite quantité d’analyte dont on puisse dire avec un niveau de confiance donné qu’il est présent dans
l’échantillon.

Limite de quantification
Plus petite quantité d’analyte qui peut être mesurée avec un niveau de confiance donné.

II Présentation des résultats d’une expérience

II.1 Résultat d’une expérience

Lors d’une étude, en TP ou en TIPE, vous allez être amenés à réaliser une expérience plusieurs fois pour avoir
plus de chance de trouver le bon résultat. De même, dans les publications scientifiques, les expériences sont
souvent réalisées plusieurs fois.

Dans tous les cas, on présente le résultat sous la forme d’une valeur encadrée par un intervalle de confiance. Par
exemple, la donnée A est mesurée à « A = 12,3 ± 0.9 » signifie que la valeur vraie de A se situe entre 12,3 – 0.9
= 11,4 et 12,3 + 0,9 = 14,1, avec une certaine marge de confiance. L’intervalle [11,4 ; 14,2] est appelé intervalle
de confiance.
Le terme « marge de confiance », en %, souvent 67 % ou 95 %, signifie mathématiquement que si 100 groupes
d’expérimentateurs réalisent la même expérience et calculent de la même façon l’intervalle de confiance, alors
sur les 100 groupes, 67 ou 95 auront un intervalle de confiance qui contiendra la valeur vraie qui est recherchée.

L’intervalle de confiance est issu d’un calcul mathématique, et est d’autant plus étroit que le nombre
d’expériences est élevé et que les expériences ont donné des résultats proches.

On peut alors présenter alors le résultat sous la forme d’un graphe :

II.2 Comparaison des résultats de 2 expériences

Une même moyenne pour deux expériences peut cacher en réalité deux situations bien différentes.
Dans les cas ci-dessous, les moyennes de A et de B sont identiques (17,0) mais l’intervalle de confiance
pour A est beaucoup plus étroit que celui de B car les valeurs obtenues pour A sont plus resserrées que
celles obtenues pour B :
valeurs mesurées de A valeurs mesurées de B
2
 17 20
17,5 16
17,5 14
16 19
17 16
moyenne de A = 17,0 moyenne de B = 17,0
A = 17,0 ± 0.3 B = 17,0 ± 1,1
On obtient :

La valeur vraie de A est certainement plus proche de 17 que la valeur vraie de B.

On veut souvent comparer les résultats de deux expériences après avoir modifié un paramètre. On suppose ici
que l’on obtient des résultats A et B, avec des intervalles de confiances pour chaque résultat.
Plusieurs cas peuvent advenir :
- valeurs moyennes proches avec intervalles de confiances non superposés :
On peut alors affirmer que les résultats des
expériences sont différents.
Il existe alors un outil mathématique, le « p-value »
qui donne une indication sur la probabilité que les
résultats soient effectivement différents.
Par exemple si p-value = 0,03 entre les deux valeurs,
cela signifie que l’on a 3 % de risque que
l’affirmation A est différent de B soit fausse ; si p-
value = 0,002 entre les deux valeurs, cela signifie
que l’on a 0.2 % de risque que l’affirmation A est
différent de B soit fausse.

- valeurs moyennes proches avec intervalles de confiance superposés :

On ne peut alors pas conclure sur la différence ou

non des deux résultats. On peut seulement être sûr
que les résultats sont proches.
Pour affiner la différence, il faut faire davantage de
mesures de A et de B.

- valeurs moyennes différentes avec intervalles de confiance superposés :

3
 On ne peut alors pas conclure sur la différence ou
non des deux résultats.
On peut seulement supposer, mais sans en être
certain, que B est plus faible que A.
Pour le savoir réellement, il faut faire davantage de
mesures de A et de B.

- valeurs moyennes différentes avec intervalles de confiance non superposés :

Par exemple si p-value = 0,03 entre les deux valeurs,

cela signifie que l’on a 3 % de risque que
l’affirmation A est différent de B soit fausse ; si p-
value = 0,002 entre les deux valeurs, cela signifie
que l’on a 0.2 % de risque que l’affirmation A est
différent de B soit fausse.

Dans ce cas où les valeurs moyennes sont différentes

et les intervalles de confiances étroits, on peut
On peut alors affirmer que les résultats des
calculer la différence relative et dire que B est ici
expériences sont très différents.
17.5 % (= (A-B)/A ×100) plus faible que A.
Il existe alors un outil mathématique, le « p-value »
qui donne une indication sur la probabilité que les
résultats soient effectivement différents.

III Les incertitudes

Tout résultat rendu est entaché d’erreurs (aléatoires ou systématiques), il faut donc l’exprimer avec une incertitude.

III.1 Incertitude de mesure

Paramètre associé au résultat d’un mesurage qui caractérise la dispersion des valeurs.
Exemple :
- incertitude de la mesure au spectrophotomètre,
- incertitude sur le volume délivré par une micropipette
Elle tient compte des erreurs aléatoires et des erreurs systématiques non maîtrisées.

III.2 Incertitude composée Uc(y)

Elle reflète l’incertitude totale de la mesure car elle tient compte de l’incertitude associée à chaque grandeur entrant dans la
détermination du mesurande.

III.3 Incertitude élargie U(y)

L’incertitude élargie est obtenue en multipliant l’incertitude composée par un facteur k appelé facteur d’élargissement, qui
fournit un intervalle ayant un niveau de confiance à un degré spécifié.
En général, pour une loi normale, on choisit un intervalle de confiance de 95% qui correspond à un facteur d’élargissement
de 2, ou un intervalle de confiance de 68 % qui correspond à un facteur d’élargissement de 1.

III.4 Procédure d’expression des résultats

- y ± incertitude élargie (unité précisée).
- L’incertitude décrite est une incertitude élargie calculée à l’aide d’un facteur d’élargissement 2 qui donne un niveau
de confiance d’environ 95%.

III.5 Deux types d’incertitudes

4
 « valeur vraie » yvraie : valeur que l’on cherche à déterminer

calculée à partir d’une mesurée plusieurs fois :

formule fonction de paramètres on a obtenu n valeurs
x1, x2, … xp y1, y2, y3 …. yn
y = f(x1, x2, … xp)

calcul de y = f(x1, x2, … xp) et calcul de la valeur moyenne

de l’incertitude de type B : et de l’incertitude de type A :

détermination de l’encadrement :
yvraie comprise entre y – ΔY et y + Yy
k = 1 pour un encadrement à 68 %
k = 2 pour un encadrement à 95 %

Rq : En TIPE, vous utiliserez souvent l’incertitude élargie à 68 %.

Cela signifie que si 100 groupes d’élèves font la même expérience que vous, pour 68% des groupes la valeur vraie
sera dans l’intervalle de confiance qu’ils auront calculé.
Attention : il faut garder à l’esprit qu’il y a près d’une « chance » sur trois que la valeur vraie ne soit pas dans
l’intervalle proposé !

Par exemple, on donne un résultat de concentration : C = 1,52.10-2 ± 0,02.10-2 mol.L-1 à 95 %.

signifie que la valeur vraie de la concentration à 95 % « de chance » d’être comprise entre 1,50.10-2 et 1,54.10-2 mol.L-1
On a donc ici y = 1,52.10-2 mol.L-1 ΔY = 0,02.10-2 mol.L-1
Précision ΔY/ y = 1,3 %

IV Cas d’une mesure réalisée plusieurs fois : calcul de l’incertitude de type A

Supposons que l’on ait n = 10 mesures y1, y2, …, y10. On cherche alors la moyenne et l’incertitude de type A :
• La valeur moyenne y est donnée par :
n 10

y i y i
y i 1
 i 1

n 10
• L’écart type expérimental s(Y) d’une mesure vaut :

 y   y 
n 10
2 2
i y i y
s (Y )  i 1
 i 1

n 1 9
Dans Excel, c’est ce qui est calculé avec la fonction ECARTYPE(y1, y2, …, y10)

• L’incertitude type u(y), meilleure estimation de l’écart type expérimental de la moyenne vaut alors :

 y   y 
n 10
2 2
i y i y
s (Y )
u y  u( y)   i 1
 i 1

n n(n  1) 10 * 9
• L’incertitude élargie ΔY vaut alors

5
 Y  k .u ( y ) avec k qui dépend du critère de probabilité que l’on souhaite.
Si on veut que y0 soit compris dans l’intervalle [ y  Y ; y  Y ] avec une probabilité de 95 %, on prendra k = 2.
Si on veut 68 % de probabilité, on prend k = 1.
Si on veut 99 % de probabilité, on prend k = 3

• Finalement on prendra la moyenne y et Y  k .u ( y ) d’où le résultat dans l’intervalle :

[ y  Y ; y  Y ] avec une probabilité de 68, 95 ou 99 %.

Exemple 1 : La grandeur A a été mesurée 5 fois, et on a obtenu les valeurs : 0 ; 1 ; 5 ; 3 ; 2

moyenne de A : 2.20
1,92353841 ecartype = racine de la somme des carrés des écarts à la moyenne divisée par racine de n-1
0,86023253 incertitude sur la moyenne = ecartype divisé par racine de n

incertitude élargie pour un intervalle de confiance de 95 % = 2 fois l'incertitude sur la

1,72046505 moyenne

finalement, la valeur du mesurande est comprise

avec 95 % de chance entre 2,20-1,72 et 2,20+1,72, soit entre 0,48 et 3,92
ou
avec 68% de chance entre 2,20-0,86 et 2,20+0,86 soit entre 2,34 et 3,06

Exemple 2 : La grandeur B a été mesurée 5 fois, et on a obtenu les valeurs : 0 ; 3 ; 2 ; 3 ; 1

moyenne de B : 1.800
1,30384048 ecartype = racine de la somme des carrés des écarts à la moyenne divisée par racine de n-1
0,58309519 incertitude sur la moyenne = ecartype divisé par racine de n

incertitude élargie pour un intervalle de confiance de 95 % = 2 fois l'incertitude sur la

1,16619038 moyenne

finalement, la valeur du mesurande est comprise

avec 95 % de chance entre 1,80-1,17 et 1,80+1,17, soit entre 0,63 et 2,97
ou
avec 68% de chance entre 1,80-0.58 et 1,80+0.58 soit entre 1,22 et 2,38

V Cas d’une mesure unique issue d’une formule : calcul de l’incertitude de type B
Supposons que l’on ait une mesure y issue d’une formule faisant intervenir plusieurs paramètres x1, x2, …, xp, chacun ayant
une incertitude type u1, u2, …, up.
• formule de calcul de la grandeur y : y = f(x1, x2, …, xp)
• on cherche les incertitudes sur chaque paramètre xi :
- si xi a été déterminé comme la moyenne de plusieurs mesures : ui est l’incertitude type u(xi) de type A vue
précédemment.
- si xi a été déterminé par une seule lecture (d’un appareil par exemple) :
t
o soit on connaît la tolérance t de l’appareil, auquel cas l’incertitude u( xi )  ;
3
d
o soit on a une lecture avec une graduation d, alors u( xi )  .
12
• L’incertitude sur la valeur de y vaut alors :
2
p
 df 
u( y )     .u( xi )
2

i 1  dxi 

df
avec la dérivée (partielle) de la fonction f par rapport à la variable xi
dxi
• Par exemple,
si y  f ( x1 ,x2 )  x1  2.x2

6
 df df
1 et 2
dx1 dx2
u( y )  u( x1 )2  4.u(x2 )2
x1 x2
si y  f ( x1 ,x2 ,x3 ) 
x3
df x df x df xx
 2 ;  1 ;   1 22
dx1 x3 dx2 x3 dx3 x3
2 2 2
x  x   x .x 
u( y )   2  .u(x1 )2   1  .u(x2 )2   1 2 2  .u( x3 )2
 x3   x3   x3 
2 2 2
 u( x1 )   u( x2 )   u(x3 ) 
soit : u( y )  y.      
 x1   x2   x3 

Exemple 3 : Lors d’un calcul de concentration, on utilise la formule C = 2.C2.V2eq/V1p = 0.246 mol.L-1 où :
- V1p = 10,0 mL est le volume de S1 prélevé avec une pipette jaugée de 10 mL à 2 % près : u(V1p) = 0.02*10 = 0.2
mL
- V2eq = 12,3 mL est le volume équivalent, obtenu par une double mesure de volume sur la burette, ayant un trait tous
d 0.05
les 0.05 mL : u(V2aq) =2*  2* = 0.0288 mL (le facteur 2 vient de la double mesure)
12 12
- C2 = 0.10 mol.L-1 est la concentration de la solution titrante avec une précision donnée par le technicien de 1 % :
u(C2) = 0.01*0.1 = 0.001 mol.L-1
Pour avoir un encadrement à 95 % de chance de la valeur ‘réelle’ de la concentration, il faut faire un calcul d’incertitude de
type B :
2.C2V2 eq
• formule de calcul de C : yC 
V1 p
• incertitude sur la valeur de C1 est :
2 2 2
 u( C2 )   u(V2 eq )   u(V1 p ) 
2 2 2
 0.001   0.0288   0.2 
u( C )  C.          0.246.      
 C2   V2 eq   V1 p   0.1   12.3   10 
= 0.00553

• incertitude élargie pour avoir 95 % :

Y  k .u y = 2*0.00553 = 0.0111
• d’où l’encadrement à 95 % de chance :
[ y  Y ; y  Y ] = [ 0.246 – 0.0111 ; 0.246 + 0.0111 ] soit [ 0.234 ; 0.258 ] mol.L-1

Rq : la première valeur est arrondie ici à 10-3 près par valeur inférieure alors que la borne supérieure est arrondie par
valeur supérieure, afin d’être sûr d’être dans l’intervalle de confiance à 95 %.

VI Si on veut tracer un graphe donnant A et B avec les barres d’incertitude sur Excel :

Remplir le tableau en notant l’incertitude élargie :

7
 Valeur moyenne
4,5
4
3,5
3
2,5 2,2
2 1,8

1,5
1
0,5
0
A B

Pour entrer les barres d’erreurs :

- cliquer droit sur le graphe
- cliquer droit sur le gros ‘plus’ en haut à droite du graphe
- cocher ‘barre d’erreur’ puis sur la flèche vers la droite jusqu’à choisir ‘autre option’
- On obtient :

- cliquer sur ‘personnalisé’ en bas à droite puis sur ‘spécifier une valeur’
- On obtient :

- Spécifier les valeurs positives et négatives des barres en cliquant d’abord sur la flèche ‘valeur d’erreur positive’
puis en sélectionnant les deux valeurs positives (en rouge ci-dessus) puis faire de même avec la flèche ‘valeur
d’erreur négative’, avec les mêmes valeurs car la barre d’erreur est en principe symétrique en positif et en négatif !
- Cliquer sur ‘OK’

8
VII Chiffres significatifs et arrondissage

VII.1 Les chiffres significatifs

Un chiffre est dit « significatif » s’il a une signification, ie si on peut faire confiance à sa valeur.
Dans une valeur numérique correctement exprimée en fonction de son incertitude et écrite en écriture scientifique, tous les
chiffres écrits sont significatifs.
Dans le cas de l’écriture décimale, il faut faire attention aux zéros : selon leur position, ils sont significatifs ou non.

Exemples
Zéros à gauche d’un nombre décimal
0,51 comporte 2CS
0,0051 comporte 2CS

Zéro à droite d’un nombre décimal

5,10 comporte 3 CS
5,01 comporte 3 CS

Zéro placé à droite d’un nombre entier : il n’est pas forcément significatif ; il est recommandé dans ce cas d’utiliser l’écriture
scientifique d’un multiple de l’unité pour lever l’ambiguïté.
510 comporte-t-il 2 ou 3 CS ?
Ecriture scientifique : 5,1.102 (si 2CS) ou 5,10.103 si (3 CS)
Changement d’unité : 510 mmol.L-1 s’écrit 0,510mol.L-1 (si 3CS) ou 0,51 mol.L-1 (si 2CS).

VII.2 Comment arrondir une valeur numérique ?

L’arrondissage a pour but de réduire le nombre de chiffres d’une valeur numérique pour ne garder que ceux qui sont
significatifs. La méthode dite « au plus proche », la plus couramment utilisée est présentée ci-dessous.

9
Exemples :
Valeur numérique 0,512 à arrondir avec 2CS : 0,51
Valeur numérique 0,4827 à arrondir avec 3CS : 0,483
Valeur numérique 0,0451 à arrondir avec 1 CS : 0,05

VII.3 Application à l’expression d’un résultat de mesure

A partir des valeurs obtenues pour uc et y
- Calcul de l’incertitude élargie U à partir de la valeur de uc
- Arrondissage de l’incertitude élargie U à 1 ou 2CS
- Arrondissage du résultat de mesure y en cohérence avec l’incertitude élargie U.

Règles d’arrondissage pour l’incertitude-type composée uc et pour l’incertitude élargie U

Pour les calcules d’incertitude-type composées uc et pour l’incertitude élargie U, il est recommandé de conserver un ou
deux CS selon les cas :
- Si le premier chiffre est 1, 2 ou 3, garder DEUX CS (faire le calcul avec 3 chiffres et arrondir).
- Si le premier chiffre est 4 ou plus : garder UN SEUL CS (faire le calcul avec 2 CS et arrondir).
L’arrondissage s’effectue selon la règle « au plus proche ».

10