REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET POPULAIRE

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Faculté des Sciences

Département Sciences de la Matière

Master 1 Chimie Analytique

TP N°02 : Evaluation du bruit et l’erreur sur

un spectre obtenu expérimentalement

:Réaliser par

 Khalfouni Fatma Zohra Rayane A1

 Touzene Abderrahmane Ramzi A2

Année universitaire: 2022/2023

Partie experimentale:

Introduction:
L'erreur expérimentale est très courante dans une certaine mesure, inhérente à toute mesure.
Elle n'est généralement pas considérée comme une "erreur" au sens traditionnel du terme, car
un certain degré d'erreur est perçu comme faisant partie intégrante du processus scientifique.

Cependant, en acceptant et en comprenant les façons dont l'erreur expérimentale peut avoir un
impact sur chaque procédure scientifique, les scientifiques peuvent réduire l'imprécision et
obtenir des résultats plus proches de la vérité.

Voici les raisons pour lesquelles une telle erreur peut se produire dans une expérience et
celles-ci peuvent être divisées en sous-catégories : erreurs systématiques, erreurs aléatoires.

L’analyse statistique des données expérimentales par Origin permet l’obtention d’une
évaluation générale et notamment descriptive de l’erreur, à travers la possibilité de donner et
de déterminer les valeurs des principales fonctions indispensables à estimer lors d’un calcul
d’erreur.

Les principales fonctions statistiques données par Origin, sont :

Moyenne (Mean) : les premiers indicateurs statistiques pour une série de résultats.

Ecart-type (Standard Deviation) : est une fonction correspondant à la mesure de la dispersion

autour de la moyenne. Il est défini comme suit :

Coefficient de variation : est un paramètre normalisé qui indique la variabilité des données par
rapport à la valeur moyenne.

L’incertitude : Les expériences sont impérativement liées aux erreurs suite à l’influence des
différents facteurs du processus de manipulation, les mesures expérimentales doivent donc
impérativement être accompagnées de la mesure d’incertitude.

Incertitude expérimentale : représente la marge d'erreur associée aux valeurs mesurées ou

déterminées lors d'une expérience, on distingue deux grandes classes d’erreurs (systématique
et aléatoire).
Erreurs systématiques : Ces types d'erreurs ont tendance à être causés par le processus, et leur
raison peut généralement être identifiée. Voici quatre grands types d'erreurs systématiques :

1) Instrumentale: Lorsque l'outil avec lequel vous mesurez fournit des résultats
incorrects, par exemple, le fluide dans un thermomètre ne représente pas correctement
la température de l'eau.
2) Observation : Lorsque la mesure est systématiquement erronée, par exemple lorsqu'un
chercheur enregistre l'eau dans un gobelet à mesurer depuis le haut et que l'angle
masque la hauteur réelle de l'eau dans le gobelet.
3) Environnemental : Lorsque l'environnement du laboratoire influence involontairement
les résultats du test, par exemple, la chaleur du laboratoire est toujours trop élevée et
provoque l'évaporation de l'eau d'une boîte de Pétri à une vitesse supérieure à la
normale.
4) Théorique : Lorsque le modèle utilisé pour calculer les données donne des résultats
inexacts, par exemple lorsqu'on utilise une formule pour calculer l'influence de la
gravité sur l'accélération, mais que la formule ne tient pas compte de l'effet de la
résistance de l'air sur l'accélération.

Erreurs aléatoires (standards, SE of mean) : Ces types d'erreurs sont causés par des
facteurs imprévisibles et inconnus entourant l'expérience. Elles se traduisent souvent par
des fluctuations aléatoires dans les ensembles de données mais peuvent être identifiées ou
estimées par une analyse statistique.

 Observation : un chercheur prend au hasard une mesure inexacte, par exemple, le

chercheur note le volume du liquide jusqu'à la plus petite division mais détermine
occasionnellement le mauvais nombre de millilitres.
 Environnemental: des conditions imprévisibles entourent l'expérience, par exemple
une journée très pluvieuse qui affecte l'humidité dans le laboratoire où se déroule une
expérience sur des matériaux organiques.

Elles sont étudiées en comparant statistiquement les résultats d'expériences soigneusement

répétées :

La détermination de l’incertitude expérimentale est directement liée aux valeurs attribuées à

l’intervalle de confiance :
Evaluation du bruit: est la partie la plus importante d'un programme de préservation de lutte
contre le bruit. Elle résulte d’une série de mesure sur le blanc (jusqu’à 10 mesures). Le bruit
de fond est l’écart-type sB, qui représente la mesure de la fluctuation du signal mesuré sur une
série de blanc, sans la substance à analyse. Il est donné par la relation :

Limite de détection : La limite de détection instrumentale LD est évaluée selon :

LD = 3,3*SB / pente = 3,3*SB *dx/y

Limite de quantification : est définie comme étant la quantité la plus faible de substance
chimique dans un échantillon qui peut être déterminée quantitativement avec une exactitude et
une précision appropriées dans les conditions expérimentales décrites de la méthode. Cette
limite est définie par :

LQ = 10*SB / pente = 10*SB *dx/dy

Note : Il existe plusieurs méthodes pour déterminer LD et LQ.

Le rapport S/B : C’est le fonctionnement même de ses composants qui génère ce bruit.

Débruitage ou amélioration du rapport signal/bruit par modélisation du lissage : élimine les

sources de bruit potentielles dans un environnement minier profond afin d'améliorer la
qualité de données.

Partie pratique:
Dans ce TP, on va déterminer :

1- l’écart-type du bruit de fond d’une série d’analyse répétée de blanc.

2- la pente de la courbe d’étalonnage (dy/dx)
3- Les LD et LQ en utilisant les deux expressions données.

Application I :
A l’aide d’un spectrophotomètre UV-Visible, neuf étudiants ont effectué la mesure de la
longueur d’onde du colorant rouge basique utilisé en industrie textile.

i étudiant 1 2 3 4 5 6 7 8 9

λRB (nm) 530 525 540 510 537 528 542 534 532
On a Représente les longueurs d’ondes λRB en fonction de i étudiants en nuage de points puis
dans logiciel de traitement des données Origin (Analysis puis Statistics puis Descriptive
Statistics puis Open Dialog…cliquer sur Quantites pour sélectionner les statistiques
demandées puis OK.

Longeur d'onde d RB
600

500
Longeur d'onde d RB (nm)

400

300

200

100

0
1 2 3 4 5 6 7 8 9
i étudiant

On détermine

Déterminé l’estimation de la valeur vraie de λRB ou écrivez-la sous forme d’intervalle:

se
On a: RB= +
√n

Alors : RB=530,89 ± 3,19 donc: RB= [527,69 ;534,08]

Application II :

La température d’un four d’analyse thermogravimétrique a été mesurée toutes les 30 mn

pendant une période de 10 h. Les valeurs obtenues sont consignées dans le tableau présenté à
gauche. En même temps;
Une représentation graphique de la distribution (présentation en nuage de points).

Déterminer les limites de l’analyse (limite de détection et limite de quantification).

Application III :

L’analyse par DRX d’un échantillon de charbon actif a permis l’obtention d’un
diffractogramme qui contient un signal de bruit de fond remarquable (fichier Excel).
On utilise le logiciel Origin pour minimiser l’apparition du bruit en augmentant le rapport
signal/bruit "S/B" en utilisant l’opération du traitement de signal "Smooth" .
Le graphe represente le bruiton appliquant "smooth" :