TP1 :

Comparaison entre les méthodes du GUM :

Méthode analytique : Propagation des incertitudes (GUM) et
Méthode numérique de Monte Carlo : Propagation des
distributions (GUM-S1)

Réalisé par : Encadré par :

FAHSI Nouhaila Mr.CHERKANI

Année universitaire :2022/2023

 1. Introduction

La métrologie est la science de la mesure. Elle définit les

principes et les méthodes permettant de garantir et maintenir la
confiance envers les mesures résultant des processus de mesure.
Il s'agit d'une science transversale qui s'applique dans tous les
domaines où des mesures quantitatives sont effectuées.

Kk^s

On peut distinguer, artificiellement, différents aspects de la métrologie pour faciliter

sa compréhension :

 la métrologie fondamentale, ou scientifique.

 la métrologie industrielle, la plus fréquente .
 la métrologie légale.

2. Logiciel

MATLAB (« matrix laboratory ») est un langage de script émulé

par un environnement de développement du même nom ; il est
utilisé à des fins de calcul numérique. Développé par la société The
MathWorks, MATLAB permet de manipuler des matrices,
d'afficher des courbeset des données, de mettre en oeuvre des
algorithmes, de créer des interfaces utilisateurs, et peut s’interfacer
avec d’autres langages comme le C, C++, Java, et Fortran.

1
 3.Loi Normale

La loi normale est une fonction de densité de probabilité d'équation générale :

La loi normale est parmi les lois les plus utilisées en métrologie plus
précisément dans les calculs des incertitudes de Mesure, dans ce TP nous essayons de simuler la loi
normale avec matlab .

4. Générateurs des nombres aléatoires :

Un générateur de nombres pseudo-aléatoires, pseudorandom number

generator (PRNG) en anglais, est un algorithme qui génère une séquence de nombres
présentant certaines propriétés du hasard. Par exemple, les nombres sont supposés être
suffisamment indépendants les uns des autres, et il est potentiellement difficile de
repérer des groupes de nombres qui suivent une certaine règle (comportements de
groupe).

Code :

2
 Figure :

5 . Génération de (NPA) distribués normalement

Code :

3
 6 . Simulation Monte-Carlo :

La simulation de Monte-Carlo présente le double avantage d’être simple d’utilisation et de

pouvoir être appliquée à un très large éventail de problèmes. c’ est une méthode d’estimation
d’une quantité numérique qui utilise des nombres aléatoires.

Code :

4
5
 7. Comparaison entre GUM et GUM-S1

L’approche différente pour la loi de propagation des incertitudes par la simulation numérique est
le GUM-S1
Alors que l’écriture du modèle de mesure et l’évaluation des incertitudes sur les paramètres du
modèle c’est le GUM