01.02.

2023

Université Abdelmalek Essaâdi

Faculté des Sciences

Master de Chimie
Module : Plans d’expériences et méthodologie

CHAPITRE I :
GENERALITES

Pr. NECHAR Mounir

Département de Chimie Année académique : 2022 - 2023

I. Définitions

Science qui s'intéresse à l'étude de la

matière, de sa composition et de ses
transformations.

Principales parties de la chimie : la chimie

inorganique, la chimie organique, …

I. Définitions

Partie des mathématiques qui a pour but la

collecte des données, leur traitement, leur
interprétation et leur présentation afin de les
rendre compréhensibles par tous.

3
 01.02.2023

I. Définitions

Discipline de la chimie qui utilise les

techniques mathématiques, en particulier la
statistique, pour :
- planifier et sélectionner les expériences
et procédures de mesures optimales,
- extraire le maximum d’informations à
partir des données chimiques.

I. Définitions

Processus de trouver les

conditions optimales (minimum
ou maximum) d’une méthode
analytique donnée.

I. Définitions

Vérifier son adéquation aux

certains paramètres appelés
paramètres de qualité.

6
 01.02.2023

I. Définitions

Ensemble de valeurs qualitatives/quantitatives déterminées

expérimentalement pour évaluer comment une méthode proposée
est adéquate pour un quelconque usage.

I. Définitions

Capacité d’une méthode analytique pour

reproduire des résultats exacts en présence
de faibles changements de conditions
expérimentales.

II. Variable aléatoire et distribution normale

Si on recommence plusieurs fois le même essai, on ne

trouvera pas le même résultat pour la réponse. Il y’a de
petites différences en chaque détermination : la valeur de
la réponse mesurée n’est pas précise.

Une telle grandeur dont la valeur peut fluctuer, et qui n’est

pas connue à l’avance, est appelée variable aléatoire ou
grandeur aléatoire.

9
 01.02.2023

II. Variable aléatoire et distribution normale

On dit que la variable aléatoire continue X suit une distribution

normale avec une moyenne μ et un écart-type σ, notée N(μ, σ),
si la densité de probabilité f(X) est donnée par :

Cette distribution dépend de 2 termes : μ et σ.

La courbe représentative de cette fonction s’appelle courbe

de GAUSS ou courbe en cloche (figure 1).

10

II. Variable aléatoire et distribution normale

Figure 1. Courbe de GAUSS.

11

III. Statistiques des mesures répétées

Population : Ensemble complet de toutes les valeurs

possibles que peut prendre une variable, présentant le
même caractère.

Echantillon : Formé de quelques valeurs de la

variable tirées au hasard de la population.

Caractère : Correspond à l’aspect qui est étudié de

l’échantillon (ou de la population) : qualitatif ou
quantitatif (discret et continu).

12
 01.02.2023

III. Statistiques des mesures répétées

Moyenne
∑
𝑥̅ =

où xi sont les différentes mesures et n le

nombre total de mesures.

13

III. Statistiques des mesures répétées

Etendue
w= Xmax – Xmin

Ecart type
∑ ( ̅)
s=

Variance
v= 𝑠

14

III. Statistiques des mesures répétées

Intervalle dans lequel on peut supposer, de manière raisonnable,

trouver la vraie valeur.

Pour des valeurs petites de n, on a :

IC(𝑥̅ )= (𝑥̅ ± tn-1. )  𝑥̅ − tn-1 . < µ < 𝑥̅ + tn-1 .
où s, écart-type ; tn-1, valeur de t de Student pour n-1 degrés de
liberté ; μ, la moyenne de la population et 𝑥̅ , la moyenne calculée à
partir de n mesures.

Les valeurs extrêmes de cet intervalle s’appellent les limites de

confiance.

15
 01.02.2023

III. Statistiques des mesures répétées

Tableau 1. Valeurs de t pour des degrés de liberté ν à différents niveaux de
confiance.

16

IV. Propagation des erreurs

La différence entre la valeur mesurée yi et la

valeur vraie yvraie.

La valeur vraie est, en général, inconnue.

17

IV. Propagation des erreurs

Il existe trois types d’erreurs :

- Erreurs aléatoires ou erreurs indéterminées.
- Erreurs systématiques ou erreurs déterminées.
- Erreurs accidentelles ou grossières.

18

18
 01.02.2023

IV. Propagation des erreurs

Erreurs systématiques
Erreurs aléatoires (ou déterminées)
Erreurs accidentelles (ou indéterminées)
(ou grossières) - affectent toujours dans la
- se produisent par hasard, même direction,
- se produisent rarement, - peuvent être diminuées mais - ont une source bien définie qui,
- sont personnelles, pas éliminées. généralement, peut être
- conduisent à un résultat qui identifiée, et même corrigée.
diffère beaucoup au sein d'une Exemples :
série de mesures. - changement de température, Exemples :
pression et humidité au - verreries du laboratoire mal
Exemples : laboratoire, graduées,
- contamination de l’échantillon, - fluctuations dans le courant - instrument mal étalonné,
- instrument en panne, électrique, - impuretés des réactifs,
-… -… -…

19

IV. Propagation des erreurs

Ensemble de règles qui permettent d’assigner l’erreur à R en

connaissant les erreurs sur X, Y, Z, …
Si R, une grandeur (ou variable aléatoire), est fonction des variables
aléatoires X, Y, Z, … :
R = f (X ,Y,Z,...)
alors, la variance de R, notée sR2, est donnée par :
2 R 2 2 R 2 2 R 2 2
sR  ( ) .s X  ( ) .s Y  ( ) .s Z  ...
X Y Z
sX2, variance de la variable aléatoire X ; sY2, variance de la variable aléatoire Y ; et sZ2, variance de la variable aléatoire Z.

20

IV. Propagation des erreurs

Si :
R= X + Y – Z

alors la variance de R, sR2, est :

2 2 2 2
sR  s X  sY  sZ

sX2, variance de la variable aléatoire X ; sY2, variance de la

variable aléatoire Y ; et sZ2, variance de la variable aléatoire Z.

21
 01.02.2023

IV. Propagation des erreurs

Si :
R= X * Y / Z

alors le carré de l’écart-type relatif de R est :

2 2 2 2
 sR   sX   sY   sZ 
        
R  X  Y  Z 

sX2, variance de la variable aléatoire X ; sY2, variance de la

variable aléatoire Y ; et sZ2, variance de la variable aléatoire Z.

22

V. Régression et corrélation

Ella a pour but de décrire la relation qui existe entre :

- une variable aléatoire dépendante (ou variable réponse) Y,
- et une autre (ou plusieurs) variable(s) indépendante(s) (ou
explicative(s) ou prédictive(s)) X.

S’il existe dans l’analyse de régression :

- une seule variable indépendante (X), on parlera d’une analyse de
régression simple.
- plusieurs variables indépendantes (X1, X2, …), on parlera d’une
analyse de régression multiple.

23

V. Régression et corrélation

Elle mesure le degré d'association entre deux variables.

Dire que X et Y sont corrélées, c’est affirmer qu’il existe une liaison entre
ces deux variables. Plus X varie dans un sens, plus Y varie (figure 2) :
- Si Y varie dans le même sens de X ➔ la corrélation est positive.
- Si Y varie dans le sens opposé de X ➔ la corrélation est négative.
- Si X et Y varie indépendamment l’une de l’autre ➔ absence de
corrélation.

24
 01.02.2023

V. Régression et corrélation

(A)

(B)

(C)

Figure 2. Corrélation. (A), cas où la corrélation est positive ; (B), cas où

la corrélation est négative ; (C), cas où il y a absence de corrélation.

25

V. Régression et corrélation

Il mesure la force du lien existant entre deux variables X et Y.

Son expression est :

𝑛. ∑ 𝑥 .𝑦 − ∑ 𝑥𝑖 . ∑ 𝑦
𝑟=
𝑛. ∑ 𝑥 − ∑ 𝑥𝑖 𝑛. ∑ 𝑦 − ∑ 𝑦𝑖

Sa valeur est : -1 ≤ r ≤ +1

26

V. Régression et corrélation

C’est le carré du coefficient de corrélation : R2= r2

Parfois, il est exprimé en pourcentage.

Il donne une idée sur la qualité de l’ajustement du modèle de

régression.

Il varie entre 0 et 1  plus R2 est proche de 1, plus l’ajustement

du modèle est bon.

27