Académique Documents
Professionnel Documents
Culture Documents
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
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 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
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
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
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.
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
x i x
2
n n 1
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
Pv 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
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
ce qu'on
3 nn 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.
nn 1
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;10,5472m
52 72
2 10.
65
3 10.
45
4 10.
45
5 10.
48
x i x
2
i 1
nn 1
10,52 10,512 10,65 10,512 10,45 10,512 10,45 10,512 10,48 10,512
5 4
6. Calculez:
x 2
1,39 10 3
54
1,39 10 3 0,0372
54