TP 1

à la pag. 7 de livre de TP:

Nicolov M, Szabadai Z., Physique Pharmaceutique Travaux Pratiques, Ed. V.Babes, 2016.,

THÉORIE DES ERREURS

Les mesures peuvent être effectuées avec seulement un degré limité de précision et par
conséquent la valeur réelle d'une grandeur ne peut être connue.
Les résultats des mesures ne sont qu'une valeur approximative plus ou moins proche de la
réalité. L'impossibilité de connaître la valeur réelle des grandeurs mesurées s'explique par les
erreurs commises lors de la mesure.
L'ERREUR est la différence entre la valeur réelle et la valeur mesurée.
Commettre des erreurs est inévitable, mais elles peuvent être réduites par certaines
précautions. Il est inévitable de connaître le degré de précision de la mesure qui peut être évalué
par l'évaluation de l'erreur.
La détermination d’une grandeur peut être faite directement, lorsque le résultat est lu
directement à partir de l'indicateur ou encore indirectement lorsqu’il est obtenu par le calcul de la
grandeur à partir d'autres grandeurs déterminées directement. (Par exemple, la longueur l, l’instant
t, la masse m sont des grandeurs déterminées directement. La vitesse v (v=d/t) est obtenue à partir
d’une calcul).
Les erreurs sont classifiées en erreurs systématiques et erreurs accidentelles.
Ce qui caractérise les erreurs systématiques c’est la distorsion des mesures à chaque fois
dans le même sens, soit en augmentant, soit en diminuant toutes les mesures.
Les erreurs accidentelles qui sont dues à des causes aléatoires prennent des valeurs
différentes dans les deux sens, lors des mesures successives de la même grandeur. Elles ne sont
pas égales en valeur absolue, différant généralement lors de mesures différentes.
 Les erreurs accidentelles obéissent aux lois du calcul des probabilités et jouissent des
propriétés suivantes:
 La probabilité de commettre une erreur positive est égale à la probabilité de commettre une
erreur négative opposée.
 La probabilité de faire une petite erreur est égale à la probabilité de faire une grande erreur.
 La somme des erreurs accidentelles produites lors de la mesure de la même grandeur tend
vers zéro lorsque le nombre de mesures est très élevé.

L’erreur réelle est la différence entre la valeur mesurée et la valeur réelle d’une grandeur:
x1  x1  x
x 2  x 2  x
x 3  x 3  x
............
x n  x n  x

n n

 xi   xi  nx
i 1 i 1

x i
Où x i 1

n
où x est la moyenne arithmétique des valeurs de xi

 est la moyenne arithmétique des erreurs.

Pour un grand nombre d'erreurs:   0
NR.CRT. T(S) T (S)
1 10.5 n

T i
10.5  10.8  10.6  10.7  10.5
2 10.8 T  i 1
  10.62
n 5
3 10.6

4 10.7

5 10.5
MOYENNE ARITHMÉTIQUE DES VALEURS ABSOLUES DES ERREURS
INDIVIDUELLES
x1  x1  x
x 2  x 2  x
x 3  x 3  x
............
x n  x n  x

x1  x2  x3  ...  xn

et x
n
Un choix possible des carrés des erreurs individuelles est:

x1 2  x1  x 2
x2 2  x2  x 2
x3 2  x3  x 2
.................
xn 2  xn  x 2
Si pour x nous avons la moyenne arithmétique des carrés alors la somme des carrés des erreurs est
minime:
S  x    x1  x    x2  x    x3  x   ... x n  x 
2 2 2 2

La dérivée par rapport à x est annulée et est donnée par:

n

x i
x i 1
qui est appelé LA MOYENNE ARITHMÉTIQUE
n
On peut déterminer L'ERREUR MOYENNE QUADRATIQUE:

m
x1 2  x2 2  x3 2  ....  xn 2
n
n

 x  i
2

où m i 1
n
Cette quantité dépend très peu du nombre des mesures, à condition qu'elles soient suffisamment
nombreuses.
m2 - s’appelle DISPERSION – le carré de l'erreur moyenne quadratique
LES ERREURS APPARENTES:
v1  x1  x
v2  x2  x
v3  x3  x
............
vn  xn  x

n n n  xi
v   x
i 1
i
i 1
i  nx   xi 
n
n

v
i 1
i 0

La liaison entre l'erreur réelle et l'erreur apparente est la suivante:

x i  vi  x  n  

L’erreur moyenne quadratique peut être exprimée aussi en utilisant les erreurs apparentes:

x i  vi  

   x1  v1
   x2  v2
.............
   xn  vn
_____________
n   xi   vi   xi

Donc  
 x i

 x    v
i
2 2
i  2  vi  n 2

 x    v
i
2 2
i  n 2
2 x x
 x  i
2


v 2
i

 x    v 2
i
2
i

 x 

2
i i j
i j

n n n n n n2

On obtient par suite: m

2

 x  i
2

n
On obtient par suite l'erreur moyenne quadratique ayant la forme suivante:
 m
v 2
i

n 1
où vi  xi  x et n est le nombre des mesures.

L’ERREUR MOYENNE QUADRATIQUE a la forme:

m 
 x i  x
2

n 1
Si l’on connaît une valeur quelconque d’une mesure xi et m alors il est à prévoir que la valeur
réelle sera dans l’intervalle: ( xi-m, xi+m) .
Parce que la moyenne arithmétique ne coïncide pas avec la valeur réelle, elle présente une
caractéristique qui s'appelle

L'ERREUR MOYENNE QUADRATIQUE DE LA MOYENNE ARITHMÉTIQUE:


 x i  x
2

n n  1

La grandeur réelle sera dans l'intervalle : x x   , x    .

Les propriétés des erreurs accidentelles peuvent être exprimées en utilisant la fonction de
distribution de Gauss. Si pour les erreurs accidentelles on admet une fonction continue ayant la
forme:
 v2 
P v  
1
exp  
2 
 2 .  2 
où  est une constante qui dépend de la nature et de la précision des mesures et P(v) la densité de
probabilité ou la probabilité que l’erreur soit dans l'intervalle (v, v + dv), alors la probabilité pour
l'erreur d’être dans l'intervalle (- , + ) est:
 
 v2 
   Pv dv 
1
  2    2 2 dv 
exp

 
1  t2  2  t2 

2    2 dt  2
exp 0   2 dt
exp
 
où   ; v   .t

En résolvant l'intégrale nous obtiendrons une somme qui est calculée dans les tableaux pour
différentes valeurs de .
L'interprétation de  est la suivante: si =1, il en résulte  = .
Ainsi, 2  est l'intervalle (-  , +  ) où sont 68% des erreurs, c'est-à-dire une fraction de ~2/3
(environ deux tiers) du nombre des erreurs.
 - c’est la probabilité que l'erreur soit dans l'intervalle (- , +  ) .
 est aussi appelé coefficient de confiance. (- , + ) est l’intervalle de confiance.
Ainsi, la probabilité que la valeur réelle x soit dans l'intervalle (x i-m, xi+m) est de 68%. L’erreur

quadratique moyenne de la moyenne arithmétique a l'interprétation suivante:   

 x i  x
2

n n  1
Il y a une probabilité de 68% ( 2/3 ) que la valeur réelle d’une grandeur mesurée soit dans

l’intervalle x   , x    et les résultats sont exprimés comme suit: x  x  μ . Parfois l’objectif
est la découverte de l’intervalle (- , + ) où sont 50% des erreurs.
Dans ce cas, pour une seule mesure est obtenue l'erreur moyenne quadratique ayant la valeur:

m
2 v 2
i

2  x i  x
2

3 n 1 3 n 1

Et l'erreur moyenne quadratique de la moyenne arithmétique est :  p  

2  x i  x
2

ce qu'on
3 nn  1
appelle l'erreur probable.
Pour obtenir une image claire des erreurs accidentelles on peut utiliser les erreurs relatives définies
pour chaque mesure séparément par les rapports: v1/x1; v2/x2; .......;vn/xn. Et pour la moyenne

m
arithmétique nous avons  .
x
Si ces deux types de relations sont multipliées par 100 on obtient la valeur relative en pourcentage.
ESTIMATION D’UNE MOYENNE
L'usage le plus simple des intervalles de confiance concerne les populations à
distribution normale (en forme de cloche) dont on cherche à estimer la moyenne . Si on connaît
l'écart type (ou si on en connaît une estimation assez fiable) de cette distribution, et si on
mesure la moyenne sur un échantillon de taille n pris au hasard, alors
 (X )  (X )
 l'intervalle x  ;x  est un intervalle de confiance pour x à 67.67 %
n n
 (X )  (X )
 l'intervalle x  1.96 ; x  1.96 est un intervalle de confiance de x à 94.67 % 3
n n
 (X )  (X )
 l'intervalle x  3 ;x 3 est un intervalle de confiance de x à environ 99,67 %
n n
Ces formules sont valables pour des échantillons supposés infinis (n>100). Dans le cas
d'échantillon plus petit, la consultation d'une table de distribution de la ”loi de Student” est
nécessaire.
Encore faut-il connaître ou avoir une estimation de l'écart type . En pratique, on prend
comme estimation de la valeur où est l'écart-type de la série de mesures issues de
l'échantillon.
Ainsi l'on voit que pour augmenter la confiance, il faut élargir l'intervalle et pour obtenir un
intervalle plus fin avec même degré de confiance, il faut augmenter la taille de l'échantillon.

2. CALCUL DES ERREURS POUR LES GRANDEURS RÉSULTANT D'UN CALCUL

Dans la plupart des cas, on détermine une grandeur basée sur des mesures directes. La
connaissance des erreurs intervenant dans la mesure des grandeurs permet de trouver une méthode
pour calculer l’erreur à partir du résultat lui-même. Parce que les erreurs sont très petites, il est
possible d’utiliser la méthode du développement en série.
La théorie des erreurs indique que, si pour chaque grandeur d’ une formule, on fait
directement un grand nombre de mesures, l'erreur moyenne quadratique de la moyenne
arithmétique en tant que résultat d’un calcul est donnée par la relation f (x1, x2 , x3, ..., xn) = Y qui
est la grandeur résultant d'un calcul effectué à l'aide de grandeurs directement mesurables x1, x2,
2 2 2
 f   f   f 
... ..., xn. et     1     n1   ...    n 
  x1    x2    xn 

On observe que la relation m   v 2

i

nn  1

est un cas particulier de la formule ci-dessus pour f = xi = x

et  
2 v 2
i1
;   2 v 2
i2
; .... ;  
2 v 2
iN

n1 n1  1 n2 n2  1 n N n N  1
1 2 N
3. LA MÉTHODE DES MOINDRES CARRÉS
Dans le laboratoire il y a des travaux pratiques où il est nécessaire de déterminer une
grandeur qui est un coefficient constant d'une relation linéaire ayant la forme: Y = A .x + B.
Si l’on effectue des mesures multiples pour x et y, les constantes A et B peuvent être déterminées
à partir d'une représentation graphique. Le plus souvent les points représentatifs ne se trouvent pas
exactement sur une droite, étant influencés par des erreurs accidentelles.
Le problème est de savoir par quelle méthode doivent être déterminées les constantes A et B pour
que leurs valeurs se rapprochent autant que possible de la valeur réelle.
Ce problème est résolu par la "MÉTHODE DES MOINDRES CARRÉS" qui est basée
sur la condition suivante: la valeur la plus probable des constantes sera celle pour laquelle la
somme des erreurs au carré est minime.
1
x  xi
n i
1
y   yi
n i
On peut donc écrire: __
1
x2  
n i
xi2
__
1
xy   xi yi
n i
__ ___

Donc: x 2 A  x B  xy  0
xA  B  y  0
Les solutions de ces équations sont les valeurs pour A et B:
___
xy  x . y
A ___
x  x 
2 2

___ ____
x . y  x . xy
2
B ___
x  x 
2 2

La méthode peut être aussi appliquée aux relations non linéaires obtenues sur la base de
démonstrations similaires.
MODÈLE STATISTIQUE POUR LE CALCUL DE LA MOYENNE
1. Entrez dans le modèle de calcul statistique
2. Mode → STAT
3. Entrez les données statistiques:
10.52 data + ou M+
10,65 data + ou M+
10.45 data + ou M+
10.45 data + ou M+
10,48 data + ou M+
Nr.c x(m x (m) (m Xreele(m)
rt. ) )
1 10. 0.03 xréel  10,51  0,0372;10,51  0,0372
10.52  10.65  10.45  10.45  10.48
x  10.51
5
xréel  10,4728;10,5472m
52 72

2 10.
65
3 10.
45
4 10.
45
5 10.
48

4. Vérifiez le nombre de données statistiques entrées: n = 5

(SHIFT)(n)  n=5
5. Calculez la valeur moyenne: x =10,51
MODÈLE STATISTIQUE POUR LE CALCUL DE
L'ERREUR STATISTIQUE

L'ERREUR MOYENNE QUADRATIQUE DE LA MOYENNE ARITHMÉTIQUE:

 x i  x
2

 i 1

nn  1


10,52  10,512  10,65  10,512  10,45  10,512  10,45  10,512  10,48  10,512
5 4

1. Entrez dans le modèle de calcul statistique

2. Supprimez la mémoire précédente
3. Entrez les différences dans la mémoire:
(10,52-10,51)=DATA
(10,65-10,51)=DATA
(10,45-10,51)=DATA
(10,45-10,51)=DATA
(10,48-10,51)=DATA
4. Vérifiez le nombre de données de la mémoire: n = 5
(SHIFT)(6)  n=5
5. Calculez la somme des carrés : x 2
 0,0278

6. Calculez:
x 2

 1,39  10 3
54

7. Calculez (le racine carré ): x 2

 1,39  10 3  0,0372
54

8 . L’erreur calculée est μ = 0,0372

9. La plage des valeurs réelles est: xréel  10,51  0,0372;10,51  0,0372
xréel  10,4728;10,5472m