Académique Documents
Professionnel Documents
Culture Documents
Quantifier l’Incertitude
des Mesures Analytiques
Troisième Edition
Troisième Edition
Éditeurs :
S L R Ellison (LGC – Royaume-Uni)
A Williams (Royaume-Uni)
Membres d'EURACHEM :
A. Williams Président Royaume-Uni
S. Ellison Secrétaire LGC, Teddington - Royaume-Uni
Remerciements R. Bettencourt da Silva Université de Lisbonne, Portugal
Ce document a été produit principalement par un W. Bremser BAM, Allemagne
groupe de travail commun EURACHEM / CITAC A. Brzyski Eurachem Poland
dont la composition apparaît à droite. Les éditeurs Corvinus University of Budapest,
P. Fodor
sont redevables à toutes ces personnes et ces Hongrie
organisations ainsi qu’à ceux qui ont collaboré par Netherlands Measurement
R. Kaarls
leurs commentaires, conseils et aide. Institute, Pays-Bas
R. Kaus Eurachem Germany
La réalisation de ce Guide a été en partie soutenue B. Magnusson SP, Suède
par le UK National Measurement System. E. Amico di Meane Italie
P. Robouch IRMM, UE
Référence CITAC M. Rösslein EMPA St. Gallen - Suisse
Ce guide constitue le Guide CITAC numéro 4 Netherlands Measurement
A. van der Veen
Institute - Pays-Bas
M. Walsh Eurachem IRE
University of Mining and
W. Wegscheider
Metallurgy – Leoben - Autriche
Food Standards Agency –
R. Wood
Royaume-Uni
Istanbul Technical University,
P. Yolci Omeroglu
Turquie
La traduction de ce document a été Représentants CITAC :
assurée en faisant appel à un vocabulaire
A. Squirrell ILAC
français d’usage courant pour permettre sa
National Physical Laboratory of
compréhension par un vaste public. A ce titre, I. Kuselman
Israel
les experts n’y retrouveront pas toujours les A. Fajgelj IAEA Vienna
termes ou jargon spécialisés qu’ils utilisent
habituellement. Ce document n’est pas destiné Représentants Eurolab :
à être utilisé comme glossaire de termes M. Golze BAM, Allemagne
franco-anglais utilisés par les spécialistes du
domaine.
Cette troisième édition a été revue par
Michèle Désenfant, Georges Favre et Marc
Priel auxquels les commentaires peuvent être
adressés.
2. INCERTITUDE 4
2.1. DEFINITION DE L’INCERTITUDE 4
2.2. SOURCES D’INCERTITUDE 4
2.3. LES COMPOSANTES DE L’INCERTITUDE 4
2.4. ERREUR ET INCERTITUDE 5
2.5 DEFINITION DU VIM 3 DE L’INCERTITUDE 6
QUAM:2000.1 Page i
Quantification de l’Incertitude Table des matières
9. COMPTE RENDU DE L’INCERTITUDE 27
9.1. GENERALITES 27
9.2. INFORMATIONS NECESSAIRES 27
9.3. COMPTE RENDU DE L’INCERTITUDE TYPE 27
9.4. COMPTE RENDU DE L’INCERTITUDE ELARGIE 27
9.5. EXPRESSION NUMERIQUE DES RESULTATS 27
9.6. INTERVALLES ASYMETRIQUES 28
9.7. CONFORMITE PAR RAPPORT AUX LIMITES 28
ANNEXE A. EXEMPLES 30
INTRODUCTION 30
ANNEXE B - DEFINITIONS 95
QUAM:2000.1 Page ii
Quantification de l’Incertitude Table des matières
D.3 ANALYSE DES CAUSES ET DES EFFETS 99
D.4 EXEMPLE 100
De nombreuses décisions importantes sont fondées sur les résultats d’analyses chimiques quantitatives; les résultats
sont utilisés par exemple pour estimer des rendements, pour vérifier la conformité de matériaux à des spécifications ou
à des limites légales ou pour estimer la valeur monétaire. Chaque fois qu’une décision dépend de résultats analytiques,
il est important d’avoir une évaluation de la qualité des résultats, c’est à dire, de leur niveau de fiabilité pour
l’application en question. Les utilisateurs des résultats des analyses chimiques, en particulier dans les domaines ayant
trait au commerce international, sont de plus en plus sollicités pour que ne soit pas dupliqué l’effort qui a été souvent
nécessaire à leur obtention. La confiance dans les données obtenues est un préalable pour parvenir à cet objectif. Dans
certains secteurs de la chimie analytique, il est maintenant formellement requis (souvent par la loi) que les laboratoires
utilisent des mesures d’assurance qualité pour démontrer qu’ils sont capables de fournir les données de la qualité
requise et qu’ils les fournissent effectivement. De telles mesures incluent : l’utilisation de méthodes validées d’analyse ;
l’utilisation de procédures définies de contrôle de qualité (CQ) interne ; la participation à des essais d’aptitude (EA);
l’accréditation basée sur la norme ISO/CEI 17025 [H.1] et la réalisation de la traçabilité des résultats des mesures.
En chimie analytique, on a surtout privilégié l’exactitude des résultats obtenus par une méthode spécifiée, au dépend de
leur traçabilité par rapport à un étalon particulier ou à une unité SI. Cette situation a conduit à recourir à des « méthodes
officielles » permettant de répondre aux exigences légales et commerciales. Cependant dans la mesure où il est
indispensable d’établir la fiabilité des résultats, il est essentiel de pouvoir rapporter le résultat d’une mesure à des
étalons définis tels que des unités SI ou des matériaux de référence même lorsqu’une méthode définie en pratique ou de
manière empirique est utilisée (Section 5.4). Les procédures internes de contrôle de qualité, les tests de compétences et
l’accréditation peuvent contribuer à établir la preuve du recours à un étalon donné. Le Guide Eurachem/CITAC
« Traçabilité en Mesure Chimique » [H.9] explique comment on établit la traçabilité métrologique dans le cas de
procédures définies en pratique.
Ces exigences obligent les chimistes à prouver la qualité de leurs résultats et en particulier à démontrer leur capacité à
atteindre ce but en fournissant la mesure de la confiance que l’on peut placer dans le résultat. Cela suppose que soit
évalué le degré attendu de concordance d’un résultat avec d’autres résultats, normalement quelle que soit la méthode
analytique utilisée. Une mesure utile de cette évaluation est la mesure de l’incertitude.
Bien que la mesure de l’incertitude soit connue des chimistes depuis de nombreuses années, ce n’est que dans la
publication de 1993 : « Guide pour l’Expression de l’Incertitude dans les Mesures » [H.2] par l'ISO en collaboration
avec BIPM, CEI, ILAC, IFCC, IUPAC, IUPAP et OIML qu’ont été établies les règles formelles d’évaluation et
d’expression de l’incertitude dans les mesures, appliquées à un large éventail de mesures. Ce document
EURACHEM/CITAC montre comment les concepts du Guide ISO peuvent être appliqués aux mesures en chimie.
Dans un premier temps le concept d’incertitude et la distinction entre incertitude et erreur seront présentés. Puis seront
décrites les étapes suivies pour évaluer l’incertitude et la procédure sera illustrée à partir d’exemples de travail dans
l’annexe A.
L’évaluation de l’incertitude oblige l’analyste à envisager attentivement toutes les sources possibles d’incertitude.
Cependant, bien qu’une étude détaillée de ce type exige un effort considérable, il est essentiel que l’effort consenti ne
soit pas disproportionné. En pratique, une étude préliminaire permettra d'identifier rapidement les sources les plus
significatives d’incertitude et, comme le montrent les exemples, la valeur obtenue de l'incertitude composée est presque
entièrement dépendante des contributions les plus importantes. Une bonne estimation de l’incertitude peut être obtenue
en concentrant l’effort sur les contributions majeures. Dans un second temps, une fois évaluée, pour une méthode
donnée, appliquée dans un laboratoire particulier (par exemple une procédure particulière de mesure), l’estimation de
l’incertitude obtenue pourra être appliquée avec confiance aux résultats ultérieurs obtenus par cette méthode dans le
même laboratoire, pourvu que cette démarche soit justifiée par les données pertinentes du contrôle de qualité. Tant que
la procédure elle-même ou l’équipement utilisés ne seront pas modifiés, aucun effort supplémentaire ne sera nécessaire
et dans ce cas l’estimation de l’incertitude pourra être incluse dans le compte rendu normal de la nouvelle validation.
1
Quantification de l’Incertitude
des programmes d’essais d’aptitude ainsi qu’aux processus de mesure de contrôle de la qualité interne permettent tout
d’abord de vérifier que les performances de la méthode sont conservées, mais elle fournit également des informations
supplémentaires. L’ensemble de ces activités apporte des informations qui sont pertinentes pour l’évaluation de
l’incertitude. Ce Guide présente une approche unifiée pour l’utilisation de différents types d’informations dans le cadre
de l’évaluation de l’incertitude.
La première édition du Guide EURACHEM pour « la Quantification de l’Incertitude dans les Mesures Analytiques » a
été publié en 1995 [H.3] sur la base du Guide ISO.
La deuxième édition [H.4] a été préparée en 2000, en collaboration avec CITAC à la lumière de l’expérience pratique
de l’estimation de l’incertitude dans les laboratoires de chimie et en raison de l’attention croissante au besoin
d’introduire dans les laboratoires une procédure formelle d’assurance qualité. La seconde édition mettait l’accent sur le
fait que les procédures mises en place par un laboratoire pour estimer son évaluation de l’incertitude devraient être
intégrées aux mesures existantes de l’assurance qualité, puisque ces dernières fournissent souvent une grande partie de
l’information nécessaire à l’évaluation de la mesure de l’incertitude.
Cette troisième édition conserve les caractéristiques de l’édition précédente et apporte des informations concernant les
évolutions en matière d’estimation de l’incertitude et d’utilisation depuis 2000. Les informations complémentaires
permettent d’apporter de meilleures indications pour l’expression de l’incertitude proche de zéro, de nouvelles
indications pour l’utilisation des méthodes de Monte Carlo, des meilleures indications pour l’utilisation de données
d’essais d’aptitude ainsi que de meilleures indications sur l’évaluation de la conformité des résultats en tenant compte
de l’incertitude. Ce guide a donc explicitement pour but la validation et le traitement des données connexes dans
l’élaboration des estimations de l’incertitude en complet accord avec les principes formels du Guide ISO pour
l’Expression de l’Incertitude de mesure [H.2]. Cette approche est également en accord avec les exigences de la norme
ISO/CEI 17025:2005 [H.1].
Cette troisième édition met en oeuvre l’édition de 1995 du Guide ISO pour l’Expression de l’Incertitude de mesure
dans sa version de 2008 [H.2]. Par conséquent, la terminologie utilisée est celle du GUM. La terminologie statistique
suit l’ISO 3534 [H.8]. Dans les autres cas, la terminologie présentée plus tard dans le Vocabulaire international de
métrologie – Concepts fondamentaux et généraux et termes associés (VIM) [H.7] est utilisée. Lorsque les termes du
GUM et du VIM diffèrent de manière significative, la terminologie du VIM est examinée de plus près dans le texte. Le
Guide Eurachem « Terminologie en Mesure Analytique – Introduction au VIM3 » [H.5]. Enfin, on exprime si souvent
la fraction massique en pourcentage qu’il est nécessaire d’utiliser une nomenclature compacte. La fraction massique
exprimée en pourcentage est donnée en g/100 g dans le cadre de ce Guide.
Remarque : Les exemples de travail sont fournis dans l’Annexe A. Une liste numérotée de définitions est donnée dans
l'Annexe B. La convention adoptée est d’imprimer les termes définis en caractères gras dans le texte lors de leur
première apparition, avec une référence à l’Annexe B incluse entre crochets. Les définitions sont, en général, tirées du
Vocabulaire international des termes de base et d’usage général en Métrologie (VIM)[H.4], le Guide [H.2] et ISO
3534-2 (Statistiques - Vocabulaire et symboles – Partie 2 : Statistique appliquée) [H.5]. L'Annexe C présente en termes
généraux, la structure globale d’une analyse chimique aboutissant à un résultat de mesure. L’Annexe D décrit la
procédure générale qui peut être utilisée pour identifier les composantes de l’incertitude et planifie des expériences
complémentaires lorsque nécessaire. L'Annexe E décrit quelques opérations statistiques utilisées dans l’estimation de
l’incertitude en chimie analytique, dont une méthode utilisant un tableau ainsi que l’utilisation de simulations de Monte
Carlo. Dans l'Annexe F il est question de la mesure d’incertitude lorsqu’elle approche les limites de détection.
L'Annexe G donne la liste de plusieurs sources habituelles d’incertitude et des méthodes permettant d'évaluer la valeur
de ces incertitudes. Une bibliographie est fournie en Annexe H.
2
Quantification de l’Incertitude
1. Portée et Domaine d’Application
1.1. Ce guide fournit des indications détaillées pour les procédures suivantes peuvent être utilisées pour
l’évaluation et l’expression de l’incertitude dans estimer l’incertitude des mesures :
l’analyse chimique quantitative, fondées sur la
démarche suivie dans le Guide ISO intitulé « Guide
pour l’Expression de l’Incertitude dans les Mesures » Evaluation de l’effet des sources d’incertitude
[H.2]. Il s'applique à tous les niveaux d’exactitude, identifiées sur le résultat analytique pour une méthode
dans tous les domaines - de l’analyse de routine à la unique développée en tant que procédure de mesure
recherche fondamentale - et aux méthodes [B.6] définie dans un seul laboratoire ;
conventionnelles et rationnelles (voir section 5.5). Les Informations obtenues à partir du développement et
quelques domaines habituels dans lesquels des mesures de la validation de la méthode ;
chimiques sont nécessaires et dans lesquels les Résultats obtenus à partir de procédures définies du
principes de ce Guide peuvent être appliqués sont : contrôle de qualité interne dans un seul laboratoire ;
Résultats issus d’essais inter-laboratoires et utilisés
Le contrôle de qualité et l’assurance qualité dans les pour valider les méthodes d’analyse dans un certain
industries de transformation ; nombre de laboratoires compétents ;
La vérification de la conformité aux règles légales ; Résultats des programmes de test d’aptitude utilisés
La vérification de l’utilisation d’une méthode agréée ; pour évaluer la compétence analytique des
L’étalonnage des étalons et de l’appareillage ; laboratoires.
Les mesures associées au développement et à la
certification des matériaux de référence ; 1.4.Qu’il s’agisse de réaliser des mesures ou d’évaluer
La recherche et développement. les performances de la procédure de mesure, on
suppose tout au long de ce Guide qu'une assurance
1.2. Il faut noter que des indications complémentaires qualité effective et des mesures de contrôle sont en
seront nécessaires dans certains cas. En particulier, place afin d’assurer la stabilité et le contrôle du
l’affectation d'une valeur à un matériau de référence à processus de mesure. De telles mesures incluent
l'aide de méthodes reconnues (incluant des méthodes normalement, par exemple, un personnel à la
multiples de mesures) n’est pas envisagée. L’utilisation qualification appropriée, une maintenance et un
des estimations de l’incertitude dans les textes étalonnage corrects de l’appareillage et des réactifs,
réglementant la conformité et l’utilisation des l’utilisation d’étalons de référence appropriés, des
estimations de l’incertitude à de faibles niveaux de procédures de mesure écrites et l’utilisation d'étalons
concentrations peuvent nécessiter des indications vérifiés et de cartes de contrôle. La référence [H.10]
complémentaires. Les incertitudes associées aux donne des informations supplémentaires sur les
opérations d’échantillonnage ne sont pas explicitement procédures analytiques du Contrôle Qualité.
traitées. Elles le sont cependant dans le guide
EURACHEM « Incertitude de mesure provenant de Remarque : Ce paragraphe implique que toutes les méthodes
analytiques dans ce guide sont supposées être mises en œuvre sous
l’échantillonnage : guide des méthodes et approches »
forme de procédures totalement rédigées. Toute référence générale
[H.6]. aux méthodes analytiques implique donc l’existence d’une telle
procédure. La mesure de l’incertitude ne peut donc s’appliquer
1.3. Comme des mesures d’assurance qualité ont été strictement qu’à des résultats d’une telle procédure et non à une
introduites par les laboratoires dans un certain nombre méthode plus générale de mesure [B.7].
de secteurs, ce Guide EURACHEM illustre comment
3
Quantification de l’Incertitude Incertitude
2. Incertitude
2.1. Définition de l’Incertitude
2.1.1. La définition du terme d’incertitude (de mesure) confiance accrue dans la validité du résultat de la
utilisée dans ce protocole et tirée de la version actuelle mesure.
du Guide pour l’Expression de l’Incertitude de mesure
[H.2] est :
2.2. Sources d’incertitude
« paramètre associé au résultat d’un mesurage, qui 2.2.1.En pratique l’incertitude affectant un résultat peut
caractérise la dispersion des valeurs qui pourraient provenir de plusieurs sources possibles, dont par
raisonnablement être attribué au mesurande ». exemple une définition incomplète du mesurande,
l’échantillonnage, les effets de matrice et les
NOTE 1 : Le paramètre peut être, par exemple, un écart-type [B.20]
(ou un multiple de celui-ci), ou la demi-largeur d’un
interférences, les conditions d’environnement, les
intervalle de confiance déterminé. imprécisions des appareils mesurant les masses et les
NOTE 2 :L’incertitude d’une mesure comprend en général de volumes, les valeurs de référence, les approximations
nombreuses composantes. Certaines peuvent être évaluées à et restrictions de la méthode et la procédure de mesure,
partir de la distribution statistique de séries de mesurages et
peuvent être caractérisées par des écarts-types
et la variation aléatoire (une description plus complète
expérimentaux. Les autres composantes qui peuvent aussi de l’incertitude est donnée dans la section 6.7).
être caractérisées par les écarts-types, sont évaluées en
admettant des lois de probabilité, d’après l’expérience
acquises ou d’après d’autres informations. 2.3. Les Composantes de l’Incertitude
Note 3 : Il est entendu que le résultat du mesurage est la meilleure 2.3.1. Dans l’estimation de l’incertitude globale, il peut
estimation de la valeur du mesurande, et que toutes les
composantes de l’incertitude, y compris celles qui être nécessaire de considérer chaque source
proviennent d’effets systématiques, telles que les d’incertitude et de la traiter séparément pour obtenir la
composantes associées aux corrections et aux étalons de contribution de cette source. Chacune des contributions
référence, contribuent à la dispersion. à l’incertitude prise séparément est appelée
Les paragraphes suivants apportent des détails sur la composante de l’incertitude. Lorsqu’elle est exprimée
définition. La version la plus récente du VIM est à l'aide d'un écart-type, une composante de
également examinée dans la section 2.5. l’incertitude est appelée incertitude type [B.10]. S'il
existe une corrélation entre des composantes, elle doit
être prise en compte par la détermination de la
2.1.2. Dans de nombreux cas en analyse chimique, le
covariance. Toutefois, il est souvent possible d’évaluer
mesurande [B.4] sera la concentration* d’un analyte. l’effet combiné de plusieurs composantes. Cela peut
Cependant l’analyse chimique est utilisée pour mesurer réduire l’effort global consenti et, lorsque les
d’autres grandeurs, par exemple la couleur, le pH, etc., composantes qui sont évaluées ensemble pour leurs
en conséquence le terme général de « mesurande » sera contributions sont corrélées, il est inutile de prendre de
utilisé. nouveau en compte la corrélation.
2.1.3. La définition de l’incertitude donnée ci-dessus 2.3.2. Pour le résultat y d’une mesure, l’incertitude
est fondée sur une étendue de valeurs que l’analyste totale appelée incertitude type composée [B.11] et
considère comme pouvant être raisonnablement notée u c(y), est un écart-type estimé égal à la racine
attribuées au mesurande. carrée de la variance totale obtenue en combinant
toutes les composantes de l’incertitude, évaluée
2.1.4. Selon l’usage général, le mot incertitude se toutefois à l'aide de la loi de propagation de
rapporte au concept général de doute. Dans ce guide, le l’incertitude (voir section 8) ou de méthodes
mot d’incertitude, sans adjectif, se rapporte soit à un alternatives (l’Annexe E décrit deux méthodes
paramètre associé à la définition ci-dessus, soit à une numériques très utiles : l’utilisation d’un tableur et la
connaissance limitée concernant une valeur simulation de Monte Carlo).
particulière. L'incertitude de la mesure n’implique pas
un doute affectant la validité de la mesure ; au 2.3.3. Pour la plupart des applications en chimie
contraire, la connaissance de l’incertitude implique une analytique une incertitude élargie [B.12] U devrait
être utilisée. L’incertitude élargie définit un intervalle
* Dans ce guide le terme de « concentration » sans qualification
dans lequel on estime que la valeur du mesurande est
désigne n’importe laquelle de ces grandeurs particulières que sont
située avec un niveau plus élevé de confiance. U est
la concentration de masse, la concentration de quantité, la obtenu en multipliant uc(y), l’incertitude type
concentration de nombre ou la concentration de volume à moins composée, par un facteur d'élargissement [B.16] k.
que des unités ne soient citées (par exemple une concentration Le choix du facteur k dépend du niveau de confiance
notée mg L-1 est évidemment une concentration de masse). Il faut
également noter que de nombreuses autres grandeurs utilisées pour
désiré. Pour un niveau de confiance approximatif de 95
exprimer la composition, telle la fraction de masse, le contenu en %, k est couramment fixé à 2.
substance et la fraction molaire peuvent être directement reliées à REMARQUE : Le facteur d'élargissement k devrait toujours
la concentration. être précisé de façon à ce que l’incertitude type composée
4
Quantification de l’Incertitude Incertitude
de la grandeur mesurée puisse être reprise pour être peut donc être réduite par l’augmentation du nombre
utilisée dans le calcul de l’incertitude type composée
d’analyses dans des conditions de mesure constantes.
d’autres résultats de mesures pouvant dépendre de cette
grandeur.
2.4.8. Les erreurs systématiques constantes, comme
2.4. Erreur et incertitude l'absence d’un blanc de réactif dans un test, ou
2.4.1. Il est important de faire la distinction entre l’inexactitude de l'étalonnage à plusieurs points d’un
erreur et incertitude. L’erreur [B.16] est définie appareil, sont constantes pour un niveau donné de la
comme étant la différence entre un résultat individuel valeur de la mesure mais peuvent varier avec le niveau
et la valeur exacte ou valeur vraie [B.2] du de la valeur de la mesure.
mesurande. En pratique, une erreur de mesure observée
correspond à la différence entre la valeur observée et la 2.4.9. Les effets dont l’intensité varie
valeur de référence. En tant que telle, l’erreur, qu’elle systématiquement au cour d’une série d’analyses, en
soit théorique ou observée, est une valeur unique. En raison par exemple d’un contrôle inadéquat des
principe, la valeur d’une erreur connue peut être conditions expérimentales, donnent lieu à des erreurs
appliquée comme correction du résultat. systématiques qui ne sont pas constantes.
REMARQUE : L’erreur est un concept idéalisé et les erreurs ne
peuvent pas être connues exactement. EXEMPLES :
2.4.2. L’incertitude quant à elle, prend la forme d’une 1. Une augmentation graduelle de la température d’un
étendue ou d’un intervalle et, si elle est estimée pour ensemble d’échantillons au cours d'une analyse chimique
peut conduire à des modifications progressives des
une procédure analytique et un type particulier résultats.
d’échantillon, elle peut s’appliquer à toutes les
2. Des détecteurs et des sondes affectés par des effets dus à
déterminations décrites de cette façon. En général, la la vétusté au cours de la durée des essais peuvent également
valeur de l’incertitude ne peut pas être utilisée pour introduire des erreurs systématiques non constantes.
corriger le résultat d’une mesure.
2.4.10. Le résultat d’une mesure devrait être corrigé
2.4.3. Pour illustrer encore la différence, le résultat pour tous les effets significatifs systématiques
d’une analyse après correction peut être par chance très reconnus.
REMARQUE : Les appareils et les systèmes de mesure sont
proche de la valeur du mesurande et de ce fait être souvent étalonnés et ajustés à l'aide d’étalons et de
affecté d’une erreur négligeable. Toutefois, matériaux de référence pour corriger les effets
l’incertitude peut demeurer très grande, simplement systématiques. Les incertitudes associées à ces étalons et
parce que l’analyste n’a pas de certitude sur le degré de à ces matériaux ainsi que l'incertitude affectant la
correction doivent être prises en compte.
la proximité entre le résultat et cette valeur.
2.4.11. Un autre type d’erreur est l’erreur fautive ou
2.4.4. L’incertitude du résultat d’une mesure ne devrait faute. Les erreurs de ce type invalident une mesure et
jamais être interprétée comme représentant l’erreur surviennent typiquement à la suite d’une erreur
elle-même, ni l’erreur subsistant après correction. humaine ou d’un dysfonctionnement d’un appareil.
Transposition d’un chiffre lors du recueil des données,
2.4.5. On considère qu’une erreur a deux composantes, bulle d’air dans le trajet du faisceau traversant la
à savoir une composante aléatoire et une composante cellule d’un spectrophotomètre, contamination croisée
systématique. accidentelle de composants d’une réaction, sont des
exemples courants de ce type d’erreur.
2.4.6.Erreur aléatoire [B.17] : elle résulte typiquement
de variations imprévisibles des grandeurs d’influence 2.4.12. Les mesures dans lesquelles ont été détectées
[B.3]. Ces effets aléatoires donnent lieu à des de telles erreurs doivent être rejetées et on ne doit pas
variations dans les observations répétées du essayer de soumettre ces erreurs à une analyse
mesurande. L’erreur aléatoire d’un résultat analytique statistique. Toutefois, des erreurs comme une
ne peut être compensée, mais peut être habituellement transposition de chiffres peuvent être corrigées
réduite par l’augmentation du nombre d’observations. (exactement), surtout si elles se produisent sur les
chiffres significatifs.
REMARQUE : L'écart-type expérimental de la moyenne
arithmétique [B.19] ou la moyenne d’une série 2.4.13. Les erreurs fautives ne sont pas toujours
d’observations n’est pas l’erreur aléatoire de la moyenne,
bien qu’elle soit dénommée ainsi dans certaines évidentes et, lorsqu’on dispose d’un nombre suffisant
publications sur l’incertitude. C’est plutôt une mesure de de mesures répétées, il est habituellement prudent
l’incertitude de la moyenne due à certains effets d’appliquer un test d’homogénéité pour rechercher la
aléatoires. La valeur exacte de l’erreur aléatoire affectant présence d’éléments suspects dans la série de données.
la moyenne résultant de ces effets ne peut être connue.
Tout résultat positif obtenu par ce test devrait être
considéré avec prudence et, si possible, confirmé. Il
2.4.7. Erreur systématique [B.18] : elle est définie
n’est généralement pas judicieux de rejeter une valeur
comme une composante de l’erreur qui, au cours d’un
sur des éléments purement statistiques.
ensemble d’analyses du même mesurande, reste
constante ou varie de façon prévisible. Elle est
indépendante du nombre de mesures réalisées et ne
5
Quantification de l’Incertitude Incertitude
2.4.14. Les incertitudes estimées à l’aide de ce guide
ne sont pas destinées à la prise en compte des erreurs
fautives.
Incertitude de mesure
Incertitude
6
Quantification de l’Incertitude Mesure analytique et incertitude
3. Mesure Analytique et Incertitude
7
Quantification de l’Incertitude Mesure analytique et incertitude
Sélectivité : La « Sélectivité » se rapporte au degré suffisant, bien qu’elles ne fournissent aucune
d’exclusivité de réponse d’une méthode à l'analyte information supplémentaire sur la répétabilité au cours
requis. Les études de sélectivité consistent typiquement d’une journée.
à étudier les effets de facteurs susceptibles d'interférer
avec à la fois le blanc et les échantillons dopés et à 3.2.5. Il est généralement plus simple de traiter les
observer la réponse. Les résultats sont normalement données obtenues par sélection aléatoire que provenant
utilisés pour démonter que les effets sont pratiquement d'une variation systématique. Par exemple, les
insignifiants. Cependant, dans la mesure où les études expériences réalisées à des moments choisis au hasard
évaluent directement des modifications de la réponse, sur une période suffisamment longue seront affectées
il est possible d’utiliser les données pour estimer habituellement par les effets représentatifs de la
l’incertitude associée aux facteurs susceptibles température ambiante, alors que des expériences
d'interférer, si l’on connaît la gamme de concentrations réalisées systématiquement à 24 heures d’intervalle
de ces facteurs. peuvent être sujettes à un biais dû à la variation
régulière de la température ambiante au cours de la
REMARQUE : Le terme “spécificité” a été utilisé pour désigner le journée de travail. Dans la première expérience, il
même concept.
suffit d'évaluer l’écart-type global; dans la seconde, on
3.2. Conduite des études expérimentales doit faire varier la température ambiante de façon
systématique, puis opérer un ajustement pour déduire
sur les performances de la méthode la distribution réelle des températures. La variation
3.2.1. La conception détaillée et les modalités aléatoire est cependant moins efficace. Un nombre
d’exécution des études de validation de la méthode et restreint d’études systématiques peuvent permettre
des performances de la méthode sont abordées en d'établir rapidement l’importance d’un effet, alors que
détails ailleurs [H.11] et ne seront pas répétées ici. typiquement plus de 30 déterminations seront
Toutefois, ci-dessous seront abordés les principaux nécessaires pour établir la contribution d’une
principes dans la mesure où ils contribuent à la incertitude avec une exactitude relative de plus de 20
pertinence d’une étude appliquée à l’incertitude. % environ. Chaque fois que c’est possible il est donc
préférable d’analyser systématiquement de petits
3.2.2. La Représentativité est essentielle. C’est à dire nombres d’effets majeurs.
que des études devraient si possible être menées dans
le but de fournir un recensement réaliste du nombre et 3.2.6. Là où des facteurs sont connus pour ou
de l’étendue des effets intervenant lors de l’utilisation suspectés d’interagir, il est important de s’assurer que
normale de la méthode, ainsi que des gammes de l’effet de l’interaction est pris en compte. On peut y
concentrations et des types d’échantillons dans son parvenir soit en assurant un choix aléatoire parmi
domaine d’application. Lorsqu’on a fait varier de façon différents niveaux de paramètres qui interagissent, soit
caractéristique un facteur au cours d’une expérience de une planification systématique rigoureuse qui permet
fidélité, les effets de ce facteur apparaissent d'obtenir des informations à la fois sur la variance et la
directement dans la variance observée et aucune étude covariance.
supplémentaire n’est nécessaire jusqu’à une nouvelle
optimisation de la méthode. 3.2.7. Lors de la réalisation d'études du biais global, il
est important que les matériaux et valeurs de référence
3.2.3. Dans ce contexte, une variation représentative soient en rapport avec les matériaux soumis au test
signifie qu’un paramètre d’influence doit présenter une habituel.
distribution de valeurs conforme à l’incertitude
affectant le paramètre en question. Pour des paramètres 3.2.8. Toute étude entreprise pour étudier et
continus, cela peut être un intervalle autorisé ou une rechercher la signification d’un effet devrait être
incertitude fixée ; pour des facteurs discontinus telle capable de détecter de tels effets avant qu’ils ne
que la matrice d’un échantillon, cet intervalle deviennent significatifs sur le plan pratique.
correspond à la variété des types autorisés ou
rencontrés dans l’utilisation normale de la méthode. Il
faut noter que la représentativité s’applique non 3.3 Traçabilité
seulement aux valeurs, mais aussi à leur distribution. 3.3.1. Il est important d’être en mesure de comparer
avec fiabilité les résultats de différents laboratoires, ou
3.2.4. En sélectionnant les facteurs de variation, il est du même laboratoire à différents moments.
important de s'assurer que, lorsque c'est possible, les Pour cela, il faut s’assurer que tous les laboratoires
effets les plus importants sont soumis à variation. Par utilisent la même échelle de mesures, ou les mêmes
exemple lorsqu’une variation d'un jour à l'autre « points de référence ». Dans de nombreux cas on y
(résultant peut être des effets du ré-étalonnage) est parvient en définissant une chaîne d'étalonnage
substantielle comparée à la répétabilité, deux aboutissant aux étalons nationaux ou internationaux
déterminations tous les cinq jours fourniront une primaires, idéalement (pour une uniformité sur le long
meilleure estimation de la fidélité intermédiaire que terme) : le Système International (SI) d’unités de
cinq déterminations tous les deux jours. Dix mesures. Un exemple familier est celui des balances
déterminations distinctes faites à des jours différents analytiques ; chaque balance est étalonnée à l'aide des
seront toujours préférables, sous réserve de contrôle masses de référence qui sont elles mêmes testées (en
8
Quantification de l’Incertitude Mesure analytique et incertitude
dernière instance) pour leur conformité avec des 3.3.3. En général, l’incertitude sur un résultat pouvant
étalons nationaux et ainsi de suite jusqu’au être raccordée à une référence particulière, sera la
kilogramme de référence initial. Cette chaîne conjonction de l’incertitude sur cette référence et de
ininterrompue de comparaisons aboutissant à une l’incertitude sur la pratique de la mesure par rapport à
valeur de référence connue permet la « traçabilité » cette référence.
jusqu'à un point de référence commun, garantissant
que différents opérateurs utilisent les mêmes unités de 3.3.4. Le Guide Eurachem/CITAC « Traçabilité en
mesure. Dans les mesures de routine, la cohérence des Mesure Chimique » [H.9] identifie les activités
mesures entre un laboratoire et un autre, ou au cours du essentielles pour établir la traçabilité comme étant :
temps, est considérablement confortée par
l’établissement de la traçabilité de toutes les mesures i) Spécifier le mesurande, le domaine de mesure et
intermédiaires principales utilisées pour obtenir ou l’incertitude requise
contrôler le résultat d’une mesure. La traçabilité est de ii) Choisir une méthode appropriée pour estimer la
ce fait un concept important dans tous les domaines de valeur, c’est-à-dire une procédure de mesure avec les
la mesure. calculs et les équations qui y sont associés, et les
conditions de mesure.
3.3.2. La traçabilité est formellement définie [H.7] iii) Démontrer, par la validation, que les conditions de
comme : calcul et de mesure comprennent les « grandeurs
d’influence » ayant un effet important sur le résultat,
« traçabilité métrologique ou la valeur attribuée à un étalon.
propriété d’un résultat de mesure selon laquelle ce résultat iv) Identifier l’importance relative de chaque grandeur
peut être relié à une référence par l’intermédiaire d’une d’influence.
chaîne ininterrompue et documentée d’étalonnages dont v) Choisir et utiliser les étalons de référence
chacun contribue à l’incertitude de mesure ». appropriés.
vi) Estimer l’incertitude
La référence à l’incertitude s'impose parce que l’accord
entre les laboratoires est limité, en partie, à cause des Ces activités sont examinées en détail dans le guide
incertitudes affectant la chaîne de traçabilité dans associé [H.9] et ne feront pas l’objet d’une analyse
chaque laboratoire. La traçabilité est de ce fait dans ce guide. Toutefois, il convient de noter que la
intimement liée à l’incertitude. La traçabilité fournit plupart de ces activités sont également essentielles
les moyens de placer toutes les mesures apparentées pour l’estimation de l’incertitude de mesure, qui
sur une échelle cohérente de mesure, alors que nécessite également une procédure de mesure
l’incertitude caractérise la « force » des liens dans la identifiée et correctement validée, un mesurande
chaîne et l’accord escompté entre des laboratoires clairement établi et des informations sur les étalons de
réalisant des mesures similaires. « calibration » utilisés (avec leurs incertitudes
associées).
9
Quantification de l’Incertitude Processus de l’estimation de l’incertitude
10
Quantification de l’Incertitude Processus d’estimation de l’incertitude
Spécifier étape 1
DEPART
le mesurande
Identifier
étape 2
les sources
d'incertitude
Simplifier en étape 3
groupant les sources
couvertes par les
données existantes
Quantifier les
composantes
groupées
Quantifier
composantes
restantes
Convertir
les composantes
en écarts-types
Calculer étape 4
l'incertitude
type combinée
Passer en revue et
si nécessaire ré-évaluer
les composantes majeures
Calculer
FIN l'incertitude
élargie
11
Quantification de l’Incertitude La spécification du mesurande
12
Quantification de l’Incertitude Identifier les sources d’incertitude
6. Etape 2 : Identifier les Sources d’Incertitude
6.1. Une liste exhaustive des sources significatives partagent des opérations unitaires communes. Les
d’incertitude devra être dressée. A cette étape, il est incertitudes distinctes pour chaque opération
inutile de se préoccuper de la quantification de chaque contribuent alors à l’incertitude globale.
composante; le but est d’avoir une vision parfaitement
claire de ce qui doit être pris en compte. Dans l’Etape 6.6. Concrètement il est plus fréquent dans les
3, sera envisagée la meilleure façon de traiter chaque mesures analytiques de considérer les incertitudes
source. associées aux éléments des performances globales de
la méthode, comme la fidélité observable et le biais
6.2. Pour constituer la liste requise des sources mesuré par rapport aux matériaux de référence
d’incertitude il est habituellement pratique de appropriés. Ces contributions forment généralement les
commencer par l’équation de base utilisée pour contributions dominantes à l’estimation de l’incertitude
calculer le mesurande à partir des valeurs et elles sont dans le cas idéal incluses dans le modèle
intermédiaires. Dans cette expression tous les sous la forme de leurs effets séparés sur le résultat. Il
paramètres peuvent avoir une incertitude associée à faut alors évaluer d’autres contributions possibles
leur valeur et sont donc des sources potentielles uniquement pour vérifier leur signification et seules les
d’incertitude. De plus il peut exister d’autres contributions significatives seront quantifiées. D’autres
paramètres qui n’apparaissent pas explicitement dans indications sur cette démarche, qui s’appliquent en
l’expression utilisée pour calculer la valeur du particulier à l'utilisation des données de validation de
mesurande, mais qui cependant affectent les résultats la méthode sont fournies dans la section 7.2.1.
de la mesure, par exemple la durée d’extraction ou la
température. Ce sont également des sources 6.7. Les sources typiques d’incertitude sont :
potentielles d’incertitude. Toutes ces différentes
Echantillonnage
sources doivent être incluses. Des informations
Lorsqu’un échantillonnage réalisé en interne ou sur
supplémentaires sont données en Annexe C
le terrain fait partie de la procédure spécifiée, des
(Incertitudes dans les Processus Analytiques).
effets tels que les variations aléatoires entre
différents échantillons et toute éventualité de biais
6.3. Le diagramme des causes et des effets décrit dans
dans la procédure d’échantillonnage constituent des
l’Annexe D est une façon très pratique de dresser la
composantes de l’incertitude qui affectent le
liste des sources d’incertitude, de montrer leur parenté
résultat final.
et d’établir leur influence sur l’incertitude du résultat.
Il permet également d'éviter de compter deux fois les Conditions de conservation
mêmes sources. Bien que la liste des sources Lorsque des éléments sont conservés pendant un
d’incertitude puisse être préparée d’une autre façon, le certain temps avant d’être analysés, les conditions
diagramme des causes et des effets est utilisé dans les de stockage peuvent affecter les résultats. La durée
chapitres suivants et dans tous les exemples de de stockage ainsi que ses conditions doivent donc
l’Annexe A. Des informations complémentaires sont être considérées comme des sources d’incertitude.
données dans l’Annexe D (Analyse des sources
d’incertitude). Effets des appareils
Les effets des appareils peuvent comprendre, par
exemple, les limites de l’exactitude de l'étalonnage
6.4. Une fois la liste des sources d’incertitude
d’une balance analytique ; un contrôleur de
constituée, leurs effets sur le résultat peuvent en
température qui peut maintenir une température
principe être représentés à l'aide d'un modèle formel de
mesure dans lequel chaque effet est associé à un moyenne (dans la spécification) différente de celle
paramètre ou variable dans une équation. L’équation du réglage indiqué ; un analyseur automatique qui
pourrait être sujet à des effets de contamination ou
forme alors un modèle complet du processus de
de mémoire.
mesure qui incorpore tous les facteurs individuels qui
affectent la mesure. Cette fonction peut être très Pureté des réactifs
compliquée voir impossible à écrire explicitement. La concentration d’une solution volumétrique ne
Lorsque cela est possible elle doit être explicitée, car la sera pas connue exactement même si le produit
forme de l’expression déterminera en général la d’origine a été dosé, car une incertitude résiduelle
méthode de combinaison de chaque contribution à liée à la procédure d’analyse demeure. De
l’incertitude. nombreux colorants organiques, par exemple, ne
sont pas purs à 100 % et peuvent contenir des
6.5. De plus il peut être utile d'envisager une procédure isomères et des sels minéraux. La pureté de ces
de mesure comme une série d’opérations discrètes substances est habituellement caractérisée par le
(parfois appelées opérations élémentaires, chacune fabricant comme n'étant pas inférieure à la teneur
d’entre elles pouvant être évaluée individuellement spécifiée. Toutes suppositions au sujet du degré de
afin d'obtenir les estimations d’incertitude qui lui sont pureté introduiront un élément d’incertitude.
associées. Cette approche est particulièrement utile
dans les cas où des procédures de mesure similaires
13
Quantification de l’Incertitude Identifier les sources d’incertitude
Stœchiométrie présumée Effets dus aux calculs
Lorsqu’un processus analytique est supposé se La sélection du modèle d'étalonnage, par exemple
dérouler selon une certaine stœchiométrie le recours à un étalonnage à type de droite pour
réactionnelle, il peut être nécessaire de tolérer des une réponse de type curviligne, conduit à
écarts par rapport à la stœchiométrie prévue, un l’ajustement le plus médiocre et à l’incertitude la
déroulement incomplet de la réaction ou des plus grande.
réactions secondaires. Troncature et arrondissage peuvent conduire à des
inexactitudes dans le résultat final. Ces
Conditions de mesure
inexactitudes étant rarement prévisibles, une
Par exemple, la verrerie volumétrique peut être
tolérance à l’incertitude peut être nécessaire.
utilisée à une température ambiante différente de
celle à la quelle elle a été étalonnée. Les effets Correction du Blanc
importants de température doivent être corrigés, Une incertitude affectera à la fois la valeur et
mais on doit prendre en considération toutes les l’opportunité de la correction du blanc. Cela est
incertitudes affectant la température des liquides et particulièrement important dans l’analyse de
de la verrerie. De même, l’humidité peut être traces.
importante lorsque le matériau est sensible à
Effets dus à l’Opérateur
d'éventuels changements d’humidité.
Eventualité d'une lecture d'un compteur ou d'une
Effets dus à l’échantillon échelle systématiquement dans les valeurs hautes
La récupération d’un analyte à partir d’une matrice ou basses.
complexe, ou la réponse d’un appareil, peut être Eventualité de faire une interprétation légèrement
affectée par la composition de la matrice. La différente de la méthode.
spéciation de l’analyte peut de plus aggraver cet
Effets aléatoires
effet. La stabilité d’un échantillon / analyte peut se
Des effets aléatoires contribuent à l’incertitude
modifier au cours de l’analyse en raison d’un
dans toutes les déterminations. Cette entrée doit
changement des conditions de température ou d’un
automatiquement figurer dans la liste.
effet photolytique. Lorsqu’un ajout dosé est utilisé
pour estimer le rendement de récupération de
l’analyte à partir de l’échantillon, celui-ci peut être REMARQUE : Ces sources ne sont pas obligatoirement indépendantes.
différent de celui de l’ajout dosé, ce qui introduit
une incertitude qui doit être évaluée.
14
Quantification de l’Incertitude Quantifier l’incertitude
7. Etape 3 : Quantifier l’Incertitude
7.1. Introduction
7.1.1. Une fois les sources d'incertitude identifiées Pour les sources d’incertitude qui ne sont pas
comme expliqué à l’Etape 2 (Chapitre 6), l’étape correctement couvertes par les données
suivante consiste à quantifier l’incertitude générée par existantes, il faut soit rechercher des
ces sources. On y parvient en : informations complémentaires dans la
- évaluant l’incertitude générée par chaque source littérature ou des données permanentes
individuelle et ensuite en les combinant comme décrit (certificats, spécifications des appareils, etc.)
dans le Chapitre 8. Les Exemples A1 à A3 illustrent ou prévoir des expériences permettant de
l’utilisation de cette procédure. recueillir les données supplémentaires
ou nécessaires. Les expériences complémentaires
- en déterminant directement la contribution combinée peuvent prendre la forme d’études spécifiques
à l’incertitude du résultat à partir de quelques-unes ou d’une seule contribution à l’incertitude, ou les
de toutes les sources en utilisant les données issues des études usuelles des performances de la
performances de la méthode. Les Exemples A4 à A6 méthode de manière à garantir une variation
représentent les applications de cette procédure. représentative des facteurs importants.
En pratique, une combinaison de ces approches est à la
fois nécessaire et commode. 7.2.2. Il importe de reconnaître que toutes les
composantes ne contribuent pas de manière
7.1.2. Quelle que soit l’approche utilisée, il est significative à l’incertitude composée ; en fait,
probable que la plupart des informations nécessaires à pratiquement il est probable que seul un petit nombre
l’évaluation de l’incertitude étaient déjà fournies par sera en cause. A moins qu'un grand nombre d’entre
les résultats des études de validation, les données elles y contribuent, les composantes qui représentent
AQ/CQ et d’autres travaux expérimentaux qui ont été moins du tiers de la plus importante ne nécessitent pas
réalisés pour vérifier les performances de la méthode. d’être évaluées en détails. Une estimation préliminaire
Cependant, il se peut que l'on ne dispose pas des de la contribution de chaque composante ou d’une
données pour évaluer l’incertitude générée par toutes combinaison de composantes à l’incertitude doit être
les sources et il peut être nécessaire de conduire un réalisée, et celles qui ne sont pas significatives doivent
travail supplémentaire comme décrit dans les sections être éliminées.
7.11 à 7.15.
7.2.3. Les sections suivantes fournissent des
indications sur la procédure à adopter, en fonction des
7.2. Procédure d’évaluation de l’incertitude données disponibles et des informations
7.2.1. La procédure utilisée pour estimer l’incertitude supplémentaires nécessaires. La section 7.3 présente
globale dépend des données disponibles concernant les les conditions d’utilisation des données de l'étude
performances de la méthode. Les étapes impliquées expérimentale préalable, y compris les données de
dans le développement de la procédure sont : validation. La section 7.4 évoque brièvement
l’évaluation de l’incertitude uniquement à partir des
Concilier, par l’examen, les exigences en sources individuelles d’incertitude. Cette évaluation
matière d'information avec les données peut être nécessaire pour toutes ou pour un petit
disponibles nombre des sources identifiées, en fonction des
données disponibles, elle sera donc également abordée
En premier lieu, la liste des sources dans les sections ultérieures. Les sections 7.5 à 7.10
d’incertitude doit être examinée afin décrivent l’évaluation de l’incertitude dans diverses
d’identifier quelles sources d’incertitude circonstances. La section 7.5 s’applique lorsqu’on
concernent les données disponibles, soit à l'aide utilise des matériaux de référence en étroite
d'une étude explicite de leur contribution adéquation. La section 7.6 concerne l’utilisation des
particulière soit en les faisant varier données d’études interlaboratoires et la 7.7 celle des
implicitement au cours des expériences données de validation en interne. La 7.9 décrit des
relevant de l'ensemble de la méthode. Ces aspects particuliers concernant la méthode
sources doivent être comparées à celles conventionnelle et la 7.10 envisage des méthodes ad-
figurant sur la liste établie à l’Etape 2 et toutes hoc. Les méthodes permettant de quantifier les
les sources n’y figurant pas doivent y être composantes individuelles de l’incertitude, y compris
ajoutées pour fournir un compte rendu les études expérimentales, la documentation et autres
vérifiable des contributions à l’incertitude qui y données, la modélisation et le jugement professionnel
ont été introduites. sont abordées plus en détails dans les sections 7.10 à
Stratégie pour obtenir les données 7.14. La section 7.15 aborde le traitement des biais
supplémentaires requises connus dans l’estimation de l’incertitude.
15
Quantification de l’Incertitude Quantifier l’incertitude
7.3. Intérêt des études antérieures 7.5. Matériaux de référence certifiés en
étroite adéquation.
7.3.1. Lorsque les estimations de l’incertitude sont
fondées au moins partiellement sur des études 7.5.1. Les mesures sur des matériaux de référence
antérieures des performances de la méthode, il est certifiés font normalement partie de la validation ou de
nécessaire de démontrer la validité de l’application des la revalidation de la méthode, constituant ainsi un
résultats de l’étude préalable. Typiquement cela contrôle efficace de la fiabilité de procédure globale de
consiste à : mesure par rapport à une référence pouvant être
- Démontrer qu’une fidélité comparable à la raccordée. Parce qu’elle fournit des informations sur
précédente peut être obtenue ; l’effet combiné de nombreuses sources potentielles
- Démontrer que l’utilisation des données sur les d’incertitude, cette procédure fournit d'excellentes
biais obtenues précédemment est justifiée, données pour l’évaluation de l’incertitude. Des détails
typiquement par la détermination des biais sur les supplémentaires sont donnés dans la section 7.7.4.
matériaux de référence pertinents (voir par REMARQUE : Le Guide ISO 33 [H.12] donne une description
utile des matériaux de référence utilisés dans le contrôle des
exemple, Guide ISO 33 [H.12.]) à l'aide des études
performances de la méthode.
de dopage appropriées ou des performances
satisfaisantes dans des programmes pertinents de
compétences ou d’autres comparaisons entre 7.6. Estimation de l’incertitude à l’aide de
laboratoires ; données issues d’études préalables
- Assurer une performance continue dans le interlaboratoires sur le
domaine du contrôle statistique comme le
montrent les résultats réguliers du CQ sur
développement et la validation de la
l’échantillon et la mise en place de procédures méthode.
efficaces d’assurance de qualité analytique. 7.6.1. Une étude interlaboratoire menée dans le but de
valider une méthode publiée, selon par exemple le
7.3.2. Lorsque les conditions ci-dessus sont réunies et protocole AOAC/IUPAC [H.13] ou la norme ISO
que la méthode est appliquée selon ses capacités et son 5725[H.14], est une source précieuse pour conforter
champ d’application, il est normalement acceptable une estimation de l’incertitude. Les données
d’utiliser les données issues d’études antérieures (y comprennent typiquement les estimations de l’écart-
compris des études de validation) pour l’estimation de type de la reproductibilité, sR, pour différents niveaux
l’incertitude dans le laboratoire en question. de réponse, une estimation linéaire de la dépendance
de sR vis à vis du niveau de réponse et peuvent inclure
une estimation des biais fondée sur les études des
7.4. Evaluer l’incertitude par la
MRC. Les modalités d’utilisation de ces données
quantification des composantes dépendent des facteurs pris en compte lors de la
individuelles de l’incertitude réalisation de l’étude. Au cours de l’étape d’examen
7.4.1. Dans certains cas, en particulier lorsque les citée plus haut (section 7.2), il est nécessaire
données sur les performances dont on dispose sont d’identifier toutes les sources d’incertitude qui n’ont
rares ou inexistantes, la procédure la plus adaptée peut pas été incluses dans les données de l’étude
être d’évaluer chaque composante de l’incertitude interlaboratoire. Les sources qui doivent être
séparément. particulièrement prises en considération sont :
7.4.2. La procédure générale utilisée pour combiner L’échantillonnage : Les études réalisées
les composantes individuelles consiste à préparer un interlaboratoires comprennent rarement l’étape
modèle quantitatif détaillé de la procédure d’échantillonnage. Si la méthode utilisée en
expérimentale (cf. sections 5. et 6., spécialement 6.4), à interne fait appel à un sous-échantillonnage ou si
évaluer les incertitudes types associées aux paramètres le mesurande (voir Spécification) consiste à
individuels introduits et à les combiner comme décrit évaluer une propriété de masse sur un petit
dans la Section 8. échantillon, les effets d’échantillonnage doivent
être analysés et leurs effets inclus.
7.4.3. A des fins de clarté, les indications détaillées
sur l’évaluation des contributions individuelles à l'aide Pré-traitement : Dans la plupart des études, les
de moyens expérimentaux ou autres sont reportées aux échantillons sont homogénéisés et peuvent être de
sections 7.11 à 7.15. Les exemples A1 à A3 dans plus stabilisés, avant d’être répartis. Il peut être
l’Annexe A fournissent des illustrations détaillées de la nécessaire d’analyser et d’ajouter les effets de
procédure. Des conseils approfondis sur l’application procédures particulières de pré-traitement
de cette procédure sont également donnés dans le appliquées en interne.
Guide ISO [H.2].
Biais de la méthode : Le biais de la méthode est
parfois examiné avant ou au cours de l’étude inter-
laboratoires, si possible par comparaison avec des
méthodes ou des matériaux de référence. Lorsque
le biais lui-même, l’incertitude des valeurs de
16
Quantification de l’Incertitude Quantifier l’incertitude
référence utilisées et la fidélité associée au correspondent aux performances prévues pour la
contrôle du biais, sont faibles en comparaison de méthode de mesure utilisée.
sR, il est inutile de considérer plus avant
l’incertitude due au biais. Dans le cas contraire elle L’utilisation des données de l’étude interlaboratoires
devra être prise en compte. est illustrée dans l’exemple A6 (Annexe A).
Variation des conditions : Les laboratoires 7.6.3. Pour des méthodes utilisées dans leur domaine
participant à une étude peuvent tendre vers les d’application spécifique, lorsque l’étape d’examen
moyennes des variations permises des conditions rapprochement a montré que toutes les sources
expérimentales, ce qui conduit à une sous identifiées avaient été incluses dans l’étude de
estimation de la gamme des résultats possibles validation ou lorsque les contributions d’autres sources
dans le cadre de la définition de la méthode. résiduelles telles que celles discutées dans la section
Cependant lorsque de tels effets ont été analysés et 7.6.1. se sont révélées négligeables, l’écart-type de la
ne se révèlent pas significatifs dans les limites reproductibilité sR, ajusté si nécessaire en fonction de la
maximales de leurs variations autorisées, il est concentration, peut être utilisé comme incertitude type
inutile de les prendre en compte plus avant. composée.
7.6.2. L’estimation de l’incertitude fondée sur des 7.7. Estimation de l’incertitude à l'aide
données provenant d’études collaboratives acquises en des études de développement et de
accord avec l’ISO 5725 est complètement décrite dans validation menées en interne
L’ISO 21748 « Lignes directrices relatives à
l’utilisation d’estimations de la répétabilité, de la 7.7.1 Les études de développement et de validation
reproductibilité et de la justesse dans l’évaluation de réalisées en interne consistent principalement à
l’incertitude de mesure » [H.15] décrit entièrement déterminer les paramètres des performances de la
l’évaluation de l’incertitude basée sur les données de méthode signalée dans la section 3.1.3. L’estimation de
l’étude interlaboratoires obtenues en conformité avec l’incertitude à partir de ces paramètres utilise :
l’ISO 5725. La procédure générale recommandée pour - La meilleure estimation disponible de la fidélité
l’évaluation de l’incertitude en utilisant les données de globale ;
l’étude interlaboratoires est la suivante : - La ou les meilleure(s) estimation(s) disponible(s) du
a) Obtenir des estimations de la répétabilité, de la biais global et de son incertitude ;
reproductibilité et de la justesse de la méthode utilisée - La quantification de toutes les incertitudes associées
à partir des informations publiées concernant cette aux effets dont les études sur les performances globales
même méthode. ci-dessus ne rendent pas compte.
b) Evaluer si le biais du laboratoire relatif à ces
mesures correspond au biais prévu des données Etude de la fidélité
obtenues en a). 7.7.2. La fidélité doit être estimée dans la mesure du
c) Evaluer si la fidélité obtenue des mesures possible sur une période prolongée et doit être choisie
correspond à celle prévue en fonction des estimations pour permettre la variation naturelle de tous les
de la répétabilité et de la reproductibilité obtenues en facteurs affectant le résultat. Cela peut être obtenu à
a). partir :
d) Identifier toute influence sur les mesures qui n’ont - De l’écart-type des résultats pour un échantillon
pas été correctement couvertes lors des études typique analysé à plusieurs reprises sur une période
mentionnées en a). Quantifier l’écart pouvant résulter donnée, par différents analystes et à l’aide de différents
de ces effets, en prenant compte des coefficients de appareillages lorsque c’est possible (les résultats des
sensibilité ainsi que les incertitudes pour chaque mesures sur des échantillons soumis au contrôle CQ
influence. peuvent fournir cette information) ;
e) Lorsque le biais et la fidélité sont contrôlés, comme - De l’écart-type obtenu à partir d’analyses répliquées
démontré en b) et c), combiner l’estimation type de la sur chaque échantillon parmi plusieurs.
reproductibilité en a) avec l’incertitude associée à la
REMARQUE : Les analyses répliquées doivent être réalisées à des
fidélité (en a et b) et les effets des influences temps réellement différents pour obtenir des estimations de la fidélité
supplémentaires (d) pour obtenir une estimation de intermédiaire ; une réplication au sein du même lot ne fournit que
l’incertitude composée. des estimations sur la répétabilité .
17
Quantification de l’Incertitude Quantifier l’incertitude
7.7.3. Il faut noter que la fidélité varie souvent de 1.47 2 × (5 − 1) + 2.752 × (5 − 1)
manière significative avec le niveau de la réponse. Par sc = = 2.205
5+5−2
exemple, l’écart-type observé augmente souvent et une valeur correspondante t :
significativement et systématiquement en fonction de (5.40 − 4.76) 0.64
la concentration de l’analyte. Dans ces cas là, t= = = 0.46
l’estimation de l’incertitude doit être ajustée pour 1 1 1 .4
2.205 +
permettre l’application de la fidélité à un résultat 5 5
particulier. Annexe E.5 donne des indications tcrit est égal à 2,3 pour 8 degrés de liberté, si bien qu’il n’y a pas de
supplémentaires pour le traitement des contributions à différence significative entre les moyennes des résultats fournis par
l’incertitude qui dépendent de ce niveau. les deux méthodes. Cependant, la différence (0.64) est comparée
avec l’écart-type qui est de 1,4. ci-dessus. Cette valeur de 1,4 est
l’écart-type associé à la différence et de ce fait représente la
Etude du biais contribution en rapport avec l’incertitude associée au biais mesuré.
7.7.4. Il est préférable d'estimer le biais global à l'aide 7.7.6. Le biais global peut également être estimé par
de l’analyse répétée d’un MRC approprié en suivant la l’addition d’analyte à un matériau préalablement
procédure complète de mesure. Une fois cela réalisé et étudié. Les mêmes considérations que celles
si le biais se révèle insignifiant, l’incertitude associée à appliquées aux matériaux de référence (ci-dessus) sont
ce biais correspond simplement à la combinaison de ici valables. De plus, les comportements différents du
l’incertitude type de la valeur du MRC avec l’écart- matériau ajouté et du matériau natif vis à vis de
type associé à la mesure du biais. l’échantillon doivent être pris en compte comme il se
doit. Une telle prise en compte peut être fondée sur :
REMARQUE : Le biais estimé de cette façon associe le biais
observé sur les performances du laboratoire avec tout autre biais
intrinsèque à la méthode utilisée. Des considérations particulières
- Les études de la distribution du biais observée pour
peuvent entrer en jeu lorsque la méthode utilisée est une gamme de matrices et de teneurs d’analyte ajouté ;
conventionnelle ; voir section 7.9.1
- La comparaison du résultat obtenu avec un matériau
Lorsque le matériau de référence n’est de référence avec celui du même matériau de référence
qu’approximativement représentatif des matériaux mais dopé avec l’analyte ;
soumis au test, d’autres facteurs doivent être pris en
considération, dont (si nécessaire) les différences de - L'avis porté sur la base de matériaux spécifiques
composition et d’homogénéité ; les matériaux de ayant des comportements extrêmes connus. Par
référence sont souvent plus homogènes que les exemple le tissu d’huître, un tissu marin de référence
échantillons à analyser. Les estimations fondées sur habituel, est bien connu pour sa tendance à co-
l'avis d'un professionnel doivent, si nécessaire, être précipiter certains éléments contenant des sels de
utilisées pour attribuer ces incertitudes (voir section calcium lors de sa digestion et peut donc fournir une
7.15). estimation du « pire cas » de rendement sur laquelle
Tous les effets en rapport avec les différences de une évaluation de l’incertitude peut être fondée (par
concentrations de l’analyte; par exemple il n’est pas exemple en traitant le pire cas comme un extrême
rare de constater que les pertes dues à l’extraction d’une distribution rectangulaire ou triangulaire) ;
diffèrent selon que les concentrations de l’analyte sont
faibles ou élevées. Avis fondé sur une expérience antérieure.
7.7.5. Le biais pour une méthode à l’étude peut 7.7.7. Le biais peut également être estimé par
également être déterminé par la comparaison des comparaison d’une méthode particulière avec une
résultats avec ceux d’une méthode de référence. Si les valeur déterminée par la méthode des ajouts d’étalons,
résultats montrent que le biais n’est pas statistiquement dans laquelle des quantités connues d’analyte sont
significatif, l’incertitude type est celle de la méthode ajoutées au matériau testé et la concentration correcte
de référence (si applicable ; voir section 7.9.1) de l’analyte déduite par extrapolation. L’incertitude
combinée à l’incertitude type associée à la différence associée au biais est alors normalement dominée par
mesurée entre les méthodes. Cette dernière les incertitudes associées à l’extrapolation, combinées
contribution à l’incertitude est donnée par l’écart-type (si nécessaire) avec les contributions significatives des
utilisé pour décider si la différence est statistiquement étapes de préparation et d’addition de la solution mère.
significative, comme l’explique l’exemple ci-dessous.
REMARQUE : Pour être directement applicable, les ajouts doivent être
Exemple : pratiqués sur l’échantillon original, plutôt que sur un extrait préparé.
Une méthode (méthode 1) permettant de déterminer la concentration
en sélénium est comparée à une méthode de référence (méthode 2). 7.7.8. En général, le Guide ISO exige que les
Les résultats (en mg kg-1) de chacune d’elles sont les suivants : corrections soient appliquées pour tous les effets
x s n systématiques identifiés et significatifs. Lorsqu’une
Méthode 1 5.40 1.47 5 correction est appliquée pour tenir compte d’un biais
Méthode 2 4.76 2.75 5 global significatif, l’incertitude associée à ce biais est
Les écarts-types sont regroupés pour donner un écart-type commun estimée comme le décrit le paragraphe 7.7.5. dans le
sc :
cas d’un biais insignifiant.
18
Quantification de l’Incertitude Quantifier l’incertitude
• pour vérifier que l’incertitude estimée avec les
7.7.9. Si le biais est significatif mais est cependant résultats des EA réalisés par un seul
négligé pour des raisons pratiques, des contrôles laboratoire
supplémentaires s'imposent (voir section 7.16.). • pour évaluer l’incertitude de mesure du
laboratoire
Facteurs additionnels
7.8.2. Validité des données des PT pour l’évaluation
7.7.10. Les effets des autres facteurs résiduels doivent de l’incertitude
être estimés séparément, soit en faisant varier
expérimentalement soit en émettant un avis fondé sur L’utilisation des données des PT a pour avantage, en
une théorie établie. L’incertitude associée à de tels plus de permettre de tester les performances d’un
facteurs doit être estimée, enregistrée et combinée avec laboratoire, de lui permettre, au fil du temps, de
d’autres contributions selon la procédure habituelle. soumettre à l’essai une multitude de matériaux bien
définis qui ont été choisis pour leur pertinence avec le
7.7.11. Lorsque l’effet de ces facteurs résiduels domaine de mesure spécifique. De plus, les
s’avère négligeable par rapport à la fidélité de l'étude échantillons soumis aux PT peuvent être similaires
(c’est à dire statistiquement insignifiant), il est plutôt aux échantillons soumis aux essais de routine
recommandé que soit associée à ce facteur une qu’aux MRC car les exigences en termes de stabilité et
contribution d’incertitude égale à l’écart-type associé d’homogénéité sont souvent moins strictes.
au test de signification pertinent.
Cependant, l’inconvénient relatif des échantillons
EXEMPLE : soumis aux PT est leur manque de valeurs de référence
L’effet d’une variation autorisée d’une heure de la durée d’extraction traçables identiques aux valeurs pour les matériaux de
est analysé à l'aide d'un test-t sur cinq déterminations chacune étant
pratiquée sur le même échantillon, pour une durée d’extraction référence certifiés. On estime notamment que les
normale et réduite d’une heure. Les moyennes et les écarts-types (en valeurs de consensus sont susceptibles d’être erronées.
mg L-1) étaient : durée type : moyenne 1.8, écart-type 0.21 ; durée Leur utilisation pour l’estimation de l’incertitude
alternative : moyenne 1.7, écart-type 0.17. Un test-t utilise la nécessite donc la prudence, comme le recommande
variance commune de :
l’IUPAC pour l’interprétation des résultats des PT en
(5 − 1) × 0.212 + (5 − 1) × 0.17 2
= 0.037 général [H.16]. Toutefois, les biais notables au niveau
(5 − 1) + (5 − 1) des valeurs de consensus sont relativement rares si l’on
pour obtenir : compare aux matériaux en circulation. De plus, la
(1.8 − 1.7) durée étendue des essais d’aptitude permet de les
t= = 0.82 éviter. Les valeurs correspondant aux PT, y compris
1 1
0.037 × + celles correspondant par consensus aux résultats des
5 5 participants, doivent être considérées comme
Ce résultat n’est pas significatif comparé à tcrit = 2.3. Mais il faut suffisamment fiables pour la plupart des objectifs
noter que la différence (0.1) est comparée à un écart-type calculé de pratiques.
0.037 × (1 / 5 + 1 / 5) = 0.12. Cette valeur est la contribution à
l’incertitude associée à l’effet de la variation autorisée sur la durée Les données obtenues à partir de la participation d’un
d’extraction. laboratoire à un essai d’aptitude fournissent une base
7.7.12. Lorsqu’un effet détecté est statistiquement solide pour les estimations de l’incertitude à condition
significatif, mais reste suffisamment faible pour être que :
négligé en pratique, les dispositions de la section 7.16
s’appliquent. - Les échantillons soumis aux PT soient
raisonnablement représentatifs des
échantillons soumis aux essais de routine. Par
7.8. Utilisation des données des essais exemple, le type de matériau et la plage de
d’aptitude valeurs du mesurande doivent être appropriés.
7.8.1. Utilisation des données des essais d’aptitude - Les valeurs assignées aient une incertitude
pour l’évaluation de l’incertitude appropriée.
- Le nombre de séries d’essais d’aptitude soit
Les données provenant des essais d’aptitude (PT)2 sont approprié. Un minimum de 6 essais différents
sur une durée appropriée est recommandé afin
également source d’informations utiles pour
l’évaluation de l’incertitude. Pour des méthodes déjà d’obtenir une estimation fiable.
utilisées depuis longtemps au sein du laboratoire, les - Lorsque l’on utilise des valeurs de consensus,
données provenant des essais d’aptitude (également le nombre de laboratoires participants soit
appelés Assurance Qualité Externe, AQE) peuvent être suffisant pour une caractérisation fiable du
utilisées : matériau.
19
Quantification de l’Incertitude Quantifier l’incertitude
7.8.3. Utilisation pour vérifier les estimations de 7.9.3. Les investigations sur le matériau de référence
l’incertitude visant soit à mettre en évidence un biais négligeable
soit à mesurer un biais, doivent faire appel à des
Les essais d’aptitude (AQE) sont destinés à vérifier matériaux de référence certifiés par une méthode
périodiquement les performances générales d’un spéciale, ou pour lesquels on dispose d'une valeur
laboratoire. Les résultats du laboratoire obtenus suite à obtenue par une méthode particulière est disponible
sa participation aux essais d’aptitude peuvent dont être pour comparer.
utilisés afin de vérifier l’incertitude estimée, étant
donné que l’incertitude doit être compatible avec la 7.9.4. Lorsque les matériaux de référence ainsi
diffusion des résultats obtenus par ce même laboratoire caractérisés n'existent pas, le contrôle global du biais
après un certain nombre de séries d’essais d’aptitude. est associé au contrôle des paramètres de la méthode
affectant le résultat ; typiquement de tels facteurs sont
7.8.4. Utilisation pour l’estimation de les temps, les températures, les masses, les volumes
l’incertitude etc. L’incertitude associée à ces données doit être
évaluée en conséquence, qu’elle soit négligeable ou
Après plusieurs séries, il est possible d’obtenir une quantifiée (voir exemple A6).
estimation préliminaire de l’incertitude à partir des
biais des résultats d’un laboratoire par rapport aux 7.9.5. Les méthodes conventionnelles sont
valeurs assignées. normalement l’objet d’études interlaboratoires et de ce
fait l’incertitude peut être évaluée comme cela est
Si l’on choisit d’utiliser les résultats de tous les décrit dans la section 7.6.
participants obtenus grâce à la même méthode lors de
la campagne d’essais, l’écart-type ainsi obtenu
correspond à une estimation de la reproductibilité 7.10. Evaluation de l’incertitude pour les
interlaboratoires et peut, en principe, être utilisé de la méthodes ad-hoc
même façon que l’écart-type de la reproductibilité
provenant de l’étude interlaboratoires (section 7.6.).
7.10.1. Les méthodes ad-hoc sont des méthodes
établies pour réaliser des études à court terme ou pour
Les Rapports techniques Eurolab 1/2002 « Incertitude
une analyse limitée des matériaux étudiés. De telles
dans les essais » [H.17], 1/2006 « Guide pour
méthodes reposent typiquement sur des méthodes
l’estimation de l’incertitude des résultats quantitatifs
normalisées ou bien établies au sein du laboratoire,
d’essais » [H.18] et « Incertitude revisitée : Approches
mais elles ont subi des adaptations substantielles (par
alternatives pour l’estimation de l’incertitude » [H.19]
exemple pour étudier un analyte différent) et ne
décrivent l’utilisation des données des PT plus en
nécessitent donc pas d’études formalisées de validation
détails et fournissent des exemples pratiques. De plus,
pour le matériau particulier en question.
une approche générale pour les laboratoires
environnementaux est présentée dans un guide
7.10.2. Dans la mesure où l’effort investi pour établir
Nordtest [H.20].
l’incertitude en cause sera limité, il est nécessaire de se
fier en grande partie aux performances connues des
7.9. Evaluation de l’incertitude pour les systèmes apparentés ou à d'éléments de ces systèmes.
L’estimation de l’incertitude doit donc se fonder sur
méthodes conventionnelles
une performance connue d’un ou de système(s)
7.9.1. Une « méthode conventionnelle » est une apparenté(s). Ces informations sur les performances
méthode reconnue comme permettant de réaliser une doivent être étayées par toute étude nécessaire en
mesure comparative dans un domaine particulier mesure de prouver leur pertinence. Les
d’application, lorsque le mesurande dépend de façon recommandations suivantes supposent qu’un tel
caractéristique de la méthode utilisée. De ce fait, la système apparenté existe et qu'il ait été suffisamment
méthode définit le mesurande. Des exemples en sont examiné pour obtenir une estimation fiable de
les méthodes appliquées aux métaux relarguables des l’incertitude ou que la méthode consiste en des
céramiques et aux fibres alimentaires dans éléments issus d’autres méthodes et que l’incertitude
l’alimentation (voir aussi la section 5.2 et l’exemple dans ces éléments a été préalablement établie.
A5).
7.10.3. Au minimum, il est essentiel qu’une estimation
7.9.2. Lorsqu’une telle méthode est utilisée dans les du biais global et qu’une indication de la fidélité soient
limites de son domaine d’application, le biais associé à disponibles pour la méthode en question. Le biais sera
cette méthode est défini comme égal à zéro. Dans de au mieux mesuré par rapport à un matériau de
telles circonstances, l’estimation du biais doit se référence, mais en pratique sera le plus souvent évalué
rapporter uniquement aux performances du laboratoire à partir de la récupération de l’ajout dosé. Les
et ne doit pas prendre en compte un biais considérations de la section 7.7.4. seront alors
supplémentaire inhérent à la méthode. Les implications appliquées, à l'exception près que les récupérations de
en sont les suivantes. l’ajour dosé devront être comparées à celles observées
dans le système similaire pour établir la concordance
20
Quantification de l’Incertitude Quantifier l’incertitude
des études antérieures avec la méthode ad-hoc en normalement suffisantes, à moins qu’une grande
question. Le biais global observé pour la méthode ad- fidélité soit nécessaire.
hoc, sur les matériaux objets du test, doit être
comparable à celui observé avec le système similaire, 7.12.3. D’autres expériences typiques comprennent :
dans les limites des exigences de l’étude. - L’étude de l’effet d’une variation d’un seul paramètre
sur le résultat. Cela convient particulièrement bien
7.10.4. Une expérience de fidélité minimum consiste à dans le cas de paramètres continus, contrôlables,
faire une analyse dupliquée. Il est toutefois indépendants d’autres effets, comme le temps ou la
recommandé de réaliser autant de répliques que température. La vitesse de modification du résultat en
possible. La fidélité doit être comparée à celle du fonction de celle du paramètre peut être obtenue à
système apparenté ; l’écart-type de la méthode ad-hoc partir de données expérimentales. Elle est ensuite
doit être comparable. directement combinée avec l’incertitude du paramètre
dans le but d'obtenir la contribution utile à
REMARQUE : Il est recommandé de fonder la comparaison l’incertitude.
sur l’examen des données. Des tests de signification statistique (par
exemple un test F) ne seront en général pas fiables pour un petit REMARQUE : La modification du paramètre doit être
nombre de répliques et risquent de mener à la conclusion selon suffisante pour modifier substantiellement le résultat au regard de la
laquelle il n’y a pas de « différence significative » simplement à fidélité fournie par l’étude (par exemple cinq fois l’écart-type des
cause de la faible puissance du test. mesures répliquées).
7.10.5. Lorsque les conditions ci-dessus sont remplies - Des études de robustesse qui servent à analyser
sans équivoque, l’estimation de l’incertitude pour un systématiquement l’influence de modifications
système apparenté peut être directement appliquée aux modérées du paramètre. Elles sont particulièrement
résultats obtenus par la méthode ad-hoc, en faisant tous adaptées à l’identification rapide d’effets significatifs
les ajustements appropriés en fonction de la et sont couramment utilisées comme méthode
concentration ou de tous les autres facteurs connus. d’optimisation. La méthode peut être appliquée aux cas
d’effets discrets, comme une modification de la
matrice ou des modifications limitées de la
7.11. Quantification de chaque composante configuration de l’appareillage qui ont des effets
individuelle imprévisibles sur le résultat. Si un facteur est identifié
comme significatif, il est normalement nécessaire de
mener plus loin l’étude. S'il est insignifiant,
7.11.1. Il faut presque toujours envisager certaines
l’incertitude associée (au moins pour une première
sources d’incertitude séparément. Dans certains cas,
évaluation) est celle obtenue par l’étude de robustesse.
cela ne concerne qu’un petit nombre de sources ; dans
- Des protocoles expérimentaux multifactoriels
d’autres en particulier lorsque les données sur les
systématiques servant à estimer les effets du facteur et
performances de la méthode sont rares ou inexistantes,
leurs interactions. De telles études sont
chaque source doit être étudiée séparément (voir
particulièrement utiles lorsqu’une variable catégorielle
exemples 1, 2 et 3 dans l’Annexe A pour illustrations).
est en cause. Une variable catégorielle est une variable
Il y a plusieurs méthodes générales pour établir les
dans laquelle la valeur de la variable n'est pas
composantes individuelles de l’incertitude :
proportionnée à l’effet ; le nombre des laboratoires
- Variation expérimentale des variables en entrée ;
dans une étude, le nom des analystes ou les types
- A partir des données établies obtenues sur les
d’échantillons sont des exemples de variables
certificats de mesure et d'étalonnage ;
catégorielles. Par exemple, l’effet de changements dans
- En modélisant à partir de principes théoriques ;
le type de la matrice (à l’intérieur d’un domaine
- En s'appuyant sur un avis fondé sur l’expérience ou
d’application fixé de la méthode) pourrait être estimé à
par une modélisation des hypothèses.
partir d’études de rendement réalisées dans une étude
Ces différentes méthodes sont brièvement discutées ci-
répliquée sur plusieurs matrices. Une analyse de
dessous.
variance fournirait les composantes de la variance intra
et inter-matrices pour le rendement analytique observé.
7.12. Estimation expérimentale des La composante inter-matrices de la variance fournirait
contributions individuelles à une incertitude type associée à la variation de la
matrice.
l’incertitude
7.12.1. Il est parfois possible et pratique d’obtenir les 7.13. Estimation fondée sur d’autres
estimations des contributions à l’incertitude à partir résultats ou données.
d'études expérimentales spécifiques de certains 7.13.1. Il est souvent possible d’estimer quelques-unes
paramètres individuels. des incertitudes types en utilisant toute information
pertinente sur l’incertitude de la grandeur concernée.
7.12.2. L’incertitude type résultant d’effets aléatoires Les paragraphes suivants suggèrent quelques sources
est souvent mesurée à partir d’essais de répétabilité et d’information.
est quantifiée par l’écart-type des valeurs mesurées. En
pratique, environ quinze réplications au plus sont
21
Quantification de l’Incertitude Quantifier l’incertitude
7.13.2. Données du contrôle de la qualité (CQ). limitées de cinétique de la formation de dérivés pour
Comme indiqué précédemment, il est nécessaire de des valeurs proches des concentrations intéressantes et
s’assurer que les critères de qualité prévus dans les d’évaluer l’incertitude à partir de la vitesse prévue
procédures normalisées appliquées sont satisfaits et d’apparition des modifications à un temps donné.
que les mesures sur les échantillons de CQ prouvent
que ces critères sont toujours appliqués. Lorsque des
matériaux de référence sont utilisés dans les contrôles 7.15. Estimation fondée sur un avis
de CQ, la section 7.5 montre comment les données
peuvent être utilisées pour évaluer l’incertitude. 7.15.1. L’évaluation de l’incertitude n’est ni un travail
Lorsqu’un autre matériau stable est utilisé, les données de routine ni une activité purement mathématique ; elle
CQ fournissent une estimation de la fidélité dépend d’une connaissance détaillée de la nature du
intermédiaire (section 7.7.2.). Lorsqu’il n’y a pas mesurande et de la méthode et de la procédure de
d’échantillons fiables de CQ, le contrôle qualité peut se mesure utilisées. La qualité et l’utilité de l’incertitude
baser sur une détermination en double ou des méthodes attachées au résultat d’une mesure dépendent donc en
similaires pour vérifier la répétabilité. À long terme, dernière instance des capacités des personnes qui
les données communes concernant la répétabilité participent à l'assignation de la valeur, à comprendre, à
peuvent être utilisées pour obtenir une estimation de analyser de façon critique et à se montrer intègres.
l’écart-type de la répétabilité, qui peut faire partie de
l’incertitude combinée. 7.15.2. La plupart des distributions des données
peuvent être interprétées en minorant la probabilité
7.13.3. Les données du CQ permettent également un d’observer des données aux marges de la distribution
contrôle continu de la valeur fournie de l’incertitude. Il plutôt qu’en son centre. La quantification de ces
est clair que l’incertitude composée résultant des effets distributions et de leur écart-type associé est obtenue
aléatoires ne peut pas être inférieure à l’écart-type des en procédant à des mesures répétées.
mesures du CQ.
7.15.3. Cependant, d’autres évaluations des intervalles
7.13.4. Les guides NORDTEST et EUROLAB [H.19, peuvent être nécessaires dans les cas où des mesures
H.20] fournissent de plus amples détails sur répétées ne peuvent être réalisées ou ne fournissent pas
l’utilisation des données de CQ pour l’estimation de une mesure représentative d’un composant particulier
l’incertitude. de l’incertitude.
22
Quantification de l’Incertitude Quantifier l’incertitude
Considérez la détermination des « substances simulées et que la variabilité résultante qui affecte les
oxydables par le permanganate », elle désigne données ne fournit donc pas un tableau réaliste.
sûrement des substances différentes selon que l’analyse
concerne l’eau du sol ou des eaux municipales usées. 7.15.8. Un problème typique de cette nature se
Des facteurs comme la température d’oxydation, mais manifeste lorsque la variabilité à long terme doit être
aussi des effets chimiques tels que la composition ou évaluée en l'absence de données d’études
l’interférence de la matrice peuvent avoir une influence interlaboratoires. Un scientifique qui exclut
sur la spécification. l’éventualité de substituer l’opinion subjective à une
• Une pratique habituelle en chimie analytique probabilité réellement mesurée (lorsqu’elle est
fait appel aux ajouts dosés avec une seule substance, disponible) ignore sans doute des contributions
comme un analogue structural proche ou isotopomère, importantes à l’incertitude composée et se comporte en
que l'on utilise pour évaluer soit le rendement de la définitive de façon moins objective que celui qui se fie
substance native en question, soit même celui d’une aux probabilités intuitives.
classe complète de composants. De toute évidence
l’évaluation de l’incertitude peut être évaluée 7.15.9. Dans le but d’estimer les incertitudes
expérimentalement, pourvu que l’analyste soit prêt à composées deux aspects des estimations du degré de
étudier le rendement pour toutes les concentrations et croyance sont essentiels à l'estimation :
proportions du mesurande par rapport à l’ajout dosé et le degré de croyance est considéré comme une valeur à
pour toutes les matrices « pertinentes ». Mais type d’intervalle, c’est dire que lui sont affectées une
l’expérimentation fréquemment omise est remplacée limite supérieure et inférieure comme dans la
par un avis sur : distribution classique d’une probabilité ;
- la relation entre le rendement du mesurande et de la les mêmes règles de calcul sont appliquées pour
concentration ; combiner les contributions du « degré de croyance »
- la relation des rendements des ajouts dosés avec la d'une incertitude à une incertitude composée qu’à la
concentration ; déduction de l’écart-type par d’autres méthodes.
- la relation des rendements avec le (sous) type de
matrice ;
- l’identité des modes de liaison de l’analyte et des 7.16. Signification du biais
substances dopées.
7.16.1. Le Guide ISO exige en général que les
7.15.5. Un avis de ce type n’est pas fondé sur des corrections soient appliquées pour tous les effets
résultats expérimentaux immédiats, mais plutôt sur une systématiques significatifs identifiés.
opinion subjective (personnelle), une expression qui
est ici synonyme de « niveau de croyance », de 7.16.2. Pour décider si un biais connu peut
« probabilité intuitive » et de « crédibilité » [H.11]. On raisonnablement être négligé, la démarche suivante est
suppose également qu’un degré de croyance n’est pas recommandée :
fondé sur un jugement hâtif, mais sur un jugement de i) Estimer l’incertitude composée sans considérer le
probabilité mature et réfléchi. biais en cause ;
ii) Comparer le biais à l’incertitude composée ;
7.15.6. Bien que l’on sache que les opinions iii) Lorsque le biais comparé à l’incertitude composée
subjectives varient d’une personne à l’autre et même n’est pas significatif, il peut être négligé ;
d’un moment à l’autre, elles ne sont pas arbitraires iv) Lorsque le biais comparé à l’incertitude composée
dans la mesure où elles sont influencées par le sens est significatif, une mesure supplémentaire s'impose.
commun, les connaissances spécialisées et les Les mesures appropriées peuvent être :
expériences et observations antérieures. - Eliminer ou corriger le biais, en prêtant l’attention
voulue à l’incertitude de la correction ;
7.15.7. Ces caractéristiques peuvent paraître - Ajouter le biais observé et son incertitude dans le
désavantageuses mais elles ne conduisent pas compte rendu du résultat.
concrètement à des estimations plus mauvaises que REMARQUE : Lorsque par convention un biais connu n’est pas
celles obtenues par des mesures répétées. C'est corrigé, la méthode doit être qualifiée de conventionnelle (voir
particulièrement vrai lorsque la variabilité réelle, section 7.8).
vécue, des conditions expérimentales ne peuvent être
23
Quantification de l’Incertitude Calculer l’incertitude composée
8.1. Incertitudes types 8.1.6. Lorsqu’une estimation doit être réalisée sur la
base d’un avis, il est possible d’estimer directement la
8.1.1. Avant d'être composées, toutes les contributions composante sous la forme d’un écart-type. Si cela n’est
à l’incertitude doivent être exprimées sous forme pas possible il faut faire une estimation de l'écart
d’incertitudes types, c'est-à-dire écarts types Cela peut maximal susceptible de se produire en pratique dans
faire appel à la conversion à partir d’une autre mesure les limites du raisonnable (en excluant les simples
de dispersion. Les règles suivantes donnent quelques erreurs). Si l’on considère qu’une valeur plus faible est
indications pour convertir un composant de beaucoup plus probable, cette estimation doit être
l’incertitude en écart-type. traitée comme représentative d’une distribution
triangulaire. S'il n’y a pas d’arguments faisant penser
8.1.2. Lorsque la composante de l’incertitude a été qu’une erreur faible est plus probable qu’une erreur
évaluée expérimentalement à partir de la dispersion de importante, l’estimation doit être traitée comme
mesures répétées, elle peut être exprimée facilement caractéristique d’une distribution rectangulaire.
sous forme d’un écart-type. Pour ce qui concerne la
contribution à l’incertitude de mesures uniques, 8.1.7. Les facteurs de conversion pour les fonctions de
l’incertitude type est simplement l’écart-type observé ; distribution les plus fréquemment utilisées sont donnés
pour les résultats soumis au calcul de la moyenne, on dans l’Annexe E.1.
utilise l’écart-type de la moyenne.
8.2. Incertitude type composée
8.1.3. Lorsque l’estimation d’une incertitude est
8.2.1. Après avoir estimé les composantes individuelles
déduite de résultats et de données antérieurs, elle peut
ou groupées de l’incertitude et les avoir exprimées sous
être déjà exprimée sous forme d’écart-type. Cependant,
forme d’incertitudes, dans l’étape suivante il faut
lorsqu’un intervalle de confiance est donné avec un
calculer l’incertitude type composée en utilisant l’une
niveau de confiance p% (sous la forme de ± a à p%), il
des procédures décrites ci-dessous.
faut alors diviser la valeur a par la valeur du
pourcentage approprié de la distribution normale pour
8.2.2. La relation générale entre l’incertitude type
le niveau de confiance donné afin de calculer l’écart-
composée uc(y) d’une valeur y et l’incertitude des
type.
paramètres indépendants x1, x2, xn dont elle dépend
EXEMPLE :
est :
Une spécification établit que la fidélité de lecture d’une *
balance est égale à ± 0.2 mg avec un intervalle de confiance
de 95 %. A partir des tables de valeurs de pourcentage pour
uc(y(x1,x2,...)) = ∑c
i =1, n
2
i u ( xi ) 2 = ∑ u ( y, x )
i =1, n
i
2
24
Quantification de l’Incertitude Calculer l’incertitude composée
évalué dans 8.2.2. La covariance est reliée au REMARQUE : La soustraction est traitée comme l’addition et
la multiplication comme la division.
coefficient de corrélation rik par :
u(xi,xk) = u(xi)⋅u(xk)⋅rik 8.2.7. Afin de combiner les composantes de
l’incertitude, il est plus pratique de décomposer le
où -1 ≤ rik ≤ 1.
modèle mathématique originel en expressions
comprenant uniquement les opérations concernées par
8.2.4. Ces procédures générales sont applicables, si les les règles ci-dessus. Par exemple l’expression :
incertitudes concernent un seul paramètre, des groupes
de paramètres ou la méthode dans sa globalité. (o + p )
Cependant, lorsqu’une contribution à l’incertitude est (q + r )
associée à la procédure globale, elle est habituellement
devrait être décomposée en deux éléments (o + p) et (q
exprimée par son effet sur le résultat final. Dans de tels
+ r). Les incertitudes intermédiaires pour chacune
cas, ou lorsque l’incertitude d’un paramètre est
d’entre elles peuvent alors être calculées par la règle 1
directement exprimée selon les termes de son effet sur
ci-dessus ; ces incertitudes intermédiaires peuvent être
y, le coefficient de sensibilité ∂y/∂xi est égal à 1.0.
composées selon la règle 2 pour donner l’incertitude
EXEMPLE :
type.
Un résultat de 22 mg L-1 est affecté d’un écart-type observé
de 4.1 mg L-1. L’incertitude type u(y) associée à la fidélité 8.2.8. Les exemples suivants illustrent l’utilisation des
dans ces conditions est 4.1 mg L-1. Le modèle implicite de
cette mesure, en négligeant d’autres facteurs pour la clarté, règles ci-dessus :
est : EXEMPLE 1 :
25
Quantification de l’Incertitude Calculer l’incertitude composée
8.3. Incertitude élargie contribution et pour le niveau de confiance requis
(normalement 95 %). La table 1 fournit une courte liste
8.3.1. Le stade final consiste à multiplier l’incertitude des valeurs de t, y compris les degrés de liberté
type composée par le facteur d’élargissement choisi de supérieurs à 6 pour les utilisations critiques.
manière à obtenir une incertitude élargie. L’incertitude
élargie est nécessaire à l’obtention d’un intervalle EXEMPLE :
susceptible d'inclure une fraction importante de la
distribution des valeurs pouvant raisonnablement être Une incertitude type composée pour une opération de
pesage est élaborée à partir des contributions ucal = 0.01 mg
attribuées au mesurande. résultant de l’incertitude de l'étalonnage et sobs = 0.08 mg
est fondé sur l’écart-type calculé à partir de cinq
8.3.2. Le choix d’une valeur du facteur d’élargissement observations répétées. L’incertitude type composée uc est
k, suppose la prise en compte d’un certain nombre égale à 0.01 2 + 0.08 2 = 0.081 mg . Elle est
d’éléments incluant : clairement dominée par la contribution de la répétabilité
• Le niveau de confiance requise ; sobs, qui découle de cinq observations, donnant 5 – 1 = 4
• Toute connaissance des distributions sous- degrés de liberté. k est comme indiqué calculé selon le test t
de Student. La valeur bilatérale de t pour quatre degrés de
jacentes ; liberté et une confiance de 95 % est, selon les tableaux, 2.8
• Toute connaissance du nombre des valeurs ; k est donc fixé à 2.8 et l’incertitude élargie
utilisées pour estimer les effets aléatoires (voir U = 2.8 × 0.081 = 0.23 mg.
8.3.3 ci-dessous). 8.3.5. Le Guide [H.2] donne des indications
supplémentaires sur le choix de k lorsqu’un petit
8.3.3. Dans la plupart des cas il est recommandé de nombre de mesures est utilisé pour estimer un
fixer la valeur k à 2. important effet aléatoire et on doit s’y référer pour
Cependant, cette valeur de k peut être insuffisante estimer les degrés de liberté lorsque plusieurs
lorsque l’incertitude composée est fondée sur des contributions sont significatives.
observations statistiques dont le nombre des degrés de
liberté est assez faible (moins de six environ). Le choix 8.3.6. Lorsque les distributions concernées sont de type
de k dépend alors du nombre effectif de degrés de normal, un facteur d’élargissement de 2 (ou choisi
liberté. selon les paragraphes 8.3.3.-8.3.3.5. En utilisant un
niveau de confiance de 95 %) définit un intervalle
8.3.4. Lorsque l’incertitude type composée est dominée incluant environ 95 % de la distribution des valeurs. Il
par une contribution unique avec des degrés de liberté n’est pas recommandé que cet intervalle soit choisi
inférieurs à six, il est recommandé que k soit fixé à un pour un intervalle de confiance de 95 % sans
niveau égal à la valeur bilatérale d’un test t de Student connaissance de la distribution concernée.
pour le nombre de degrés de liberté associés à cette
Les valeurs de t sont arrondies à la décimale. Pour les degrés intermédiaires de liberté v, il convient soit d’utiliser
la valeur de v suivante la plus basse ou de se référer aux tableaux ou aux logiciels.
26
Quantification de l’Incertitude Compte rendu de l’incertitude
9. Compte rendu de l’Incertitude
et de l’incertitude
modalités d’obtention du résultat
9.1. Généralités doivent être clairement établies.
9.1.1. Les informations nécessaires au compte rendu 9.2.4. Il peut être suffisant dans le compte rendu d’une
du résultat d’une mesure dépendent des objectifs de analyse de routine de mentionner uniquement la
son utilisation. Les principes directeurs sont : valeur de l’incertitude élargie et celle de k.
• présenter des informations suffisantes pour
permettre une réévaluation du résultat si de 9.3. Compte rendu de l’incertitude type
nouvelles informations ou données deviennent
9.3.1. Lorsque l’incertitude est exprimée sous forme
disponibles ;
de l’incertitude type composée uc (c'est-à-dire un
• il est préférable d’avoir trop d’informations que
pas assez. simple écart-type), la formulation suivante est
recommandée : « (Résultat) : x (unités) [avec une]
9.1.2. Lorsque les détails de la mesure, y compris les incertitude type de uc (unités) [où l’incertitude type
modalités de détermination de l’incertitude, dépendent est définie selon le Guide ISO/CEI pour l’expression
de références à des documents publiés, il est impératif de l’incertitude de mesure et correspond à un écart-
que ces documents soient tenus à jour et soient en type.] »
accord avec la méthode utilisée. REMARQUE : Le recours au symbole ± n’est pas
recommandé lorsque l’on utilise l’incertitude type dans la mesure
9.2. Informations nécessaires où ce symbole est habituellement associé à des intervalles
correspondants à des niveaux de confiance élevés.
9.2.1. Un compte rendu complet d’une mesure doit Les termes entre parenthèses [] peuvent être omis ou
inclure ou renvoyer à une documentation contenant : abrégés si nécessaire.
• une description des méthodes utilisées pour EXEMPLE :
calculer le résultat de la mesure et son incertitude Azote total : 3,52 g/100 g
à partir des observations expérimentales et des
Incertitude type : 0,07 g/100 g *
données en entrée ;
• les valeurs et sources de toutes les corrections et * L’incertitude type correspond à un écart-type
de toutes les constantes utilisées à la fois pour le
calcul et l’analyse de l’incertitude ;
9.4. Compte rendu de l’incertitude
• une liste de toutes les composantes de élargie
l’incertitude avec des informations complètes sur 9.4.1. Sauf exigences particulières, le résultat x doit
les modalités d’évaluation de chacune d’elles. être déterminé conjointement avec l’incertitude
élargie U calculée avec un facteur d’élargissement k =
9.2.2. Les données et l’analyse doivent être présentées 2 (ou comme décrit dans la section 8.3.3.). La
de façon à ce que les étapes importantes puissent être formulation suivante est recommandée :
facilement suivies et que le calcul du résultat puisse « (Résultat) : (x ± U) (unités) [où] l’incertitude
être répété si nécessaire. décrite est une incertitude élargie [une incertitude
élargie telle qu'elle est définie dans le Vocabulaire
9.2.3. Lorsqu’un compte rendu détaillé incluant les International des termes de Base et Généraux en
valeurs intermédiaires introduites est nécessaire, le Métrologie, ISO 1993, deuxième édition] calculée en
compte rendu doit : utilisant un facteur d’élargissement de 2, [qui donne
• donner la valeur de chaque valeur d’entrée, son un niveau de confiance d’environ 95 %] ».
incertitude type et une description des modalités Les termes entre parenthèses [ ] peuvent être omis ou
de son obtention ; abrégés si nécessaire.
• donner la relation liant le résultat aux valeurs en Le facteur d’élargissement doit bien sur être ajusté en
entrée ainsi que toutes les dérivées partielles, fonction de la valeur réellement utilisée.
covariances et tous les coefficients de corrélation EXEMPLE :
utilisés pour rendre compte des effets de
Azote total : (3,52 ± 0,14) g/100 g *
corrélation ;
• faire état du nombre estimé des degrés de liberté * L’incertitude décrite est une incertitude élargie calculée
pour l’incertitude type associée à chaque valeur à l'aide d'un facteur d’élargissement de 2 qui donne un
niveau de confiance d’environ 95 %.
d’entrée (les méthodes d’estimation des degrés de
liberté sont données dans le Guide ISO) [H.2.]). 9.5. Expression numérique des résultats
REMARQUE : Lorsque la relation fonctionnelle est 9.5.1. Les valeurs numériques du résultat et de son
extrêmement complexe ou n’est pas explicitement incertitude ne doivent pas être données sous une
disponible (par exemple elle peut n’exister que sous forme comprenant un nombre excessif de chiffres.
forme d’un programme informatique), elle peut être
décrite en termes généraux ou sous formes d’une
Que soit communiquée l’incertitude élargie U ou
citation des références appropriées. Dans de tels cas, les l’incertitude type u, il est rarement nécessaire de
fournir plus de deux chiffres significatifs pour
27
Quantification de l’Incertitude Compte rendu de l’incertitude
exprimer l’incertitude. Les résultats doivent être
arrondis afin de concorder avec l’incertitude fournie. 9.7.2. Le Guide Eurachem « Utilisation des
informations sur l’incertitude pour l’évaluation de la
conformité » [H.24] donne des précisions sur la
9.6. Intervalles asymétriques manière de prendre en compte l’incertitude lors de
l’évaluation de la conformité. Les paragraphes
9.6.1. Dans certains cas, notamment pour les suivants sont le résumé des principes de la référence
incertitudes des résultats proches de zéro (Annexe F) [H.24].
ou selon l’estimation de Monte Carlo (Annexe E.3), la
distribution associée au résultat peut être fortement 9.7.3. Les exigences de base pour décider si l’on
asymétrique. Il peut donc se révéler inapproprié de accepte ou non l’échantillon d’essai sont :
citer une valeur unique pour l’incertitude. Il convient • Une spécification des limites maximales
plutôt de fournir les limites de l’intervalle élargi et/ou minimales permises des
estimé. Si le résultat et son incertitude sont caractéristiques (mesurandes) à contrôler.
susceptibles d’être utilisés pour des calculs, • Une règle de décision décrivant la manière
l’incertitude-type doit également être donnée. dont l’incertitude sera prise en compte pour
l’acceptation ou rejet d’un produit selon ses
EXEMPLE : La pureté (sous forme de fraction massique) doit être spécifications et les résultats de mesure.
considérée comme suit : • La(les) limite(s) de la zone d’acceptation ou
Pureté : 0,995 avec un intervalle de confiance d’environ de rejet (par exemple l’étendue des résultats),
95 %. De 0,983 à 1,000 avec une incertitude-type de provenant de la règle de décision, qui
0,005 et 11 degrés de liberté.
entraîne l’acceptation ou le rejet lorsque les
résultats de mesure sont compris dans cette
zone.
9.7. Conformité par rapport aux limites
EXEMPLE : D’après une règle de décision qui est actuellement
9.7.1. La conformité réglementaire exige souvent de largement utilisée, un résultat entraîne la non-conformité
démontrer qu’un mesurande, comme la concentration avec la limite maximale lorsque la valeur mesurée
d’une substance toxique, se situe effectivement dans dépasse cette limite plus l’incertitude élargie. Avec cette
des limites précises. Dans ces conditions, la mesure de règle de décision, seul le cas (i) de la Figure 2 entraîne
une non-conformité. De même, avec une règle de
l’incertitude intervient clairement dans l’interprétation décision pour laquelle un résultat entraîne la conformité
des résultats analytiques. En particulier : seulement s’il est inférieur à la limite de l’incertitude
• Il peut s'avérer nécessaire de prendre en compte élargie, seul le cas (iv) entraîne la conformité.
l'incertitude sur le résultat analytique pour
évaluer la conformité ;
• Les limites peuvent avoir été fixées en prenant 9.7.4. En général, les règles de décision sont plus
partiellement en compte les incertitudes. compliquées que celles présentées ici. La référence
On doit prêter attention à ces deux facteurs pour toute H.24 permet d’approfondir le sujet.
évaluation.
28
Quantification de l’Incertitude Compte rendu de l’incertitude
Limite
supérieure
de contrôle
(i) ( ii ) ( iii ) ( iv )
Résultat plus Résultat au-dessus Résultat inférieur à Résultat moins
incertitude au- de la limite mais limite mais limite incertitude
dessus de la limite incluse dans incluse dans inférieur
limite l’incertitude l’incertitude à la limite
29
Quantification de l’incertitude Annexe A
Annexe A. Exemples
Introduction
30
Quantification de l’incertitude Annexe A
l'étude interlaboratoire. L'exemple montre comment en plomb d'un échantillon d'eau via l’utilisation de la
l'emploi des résultats des études interlaboratoires, Dilution Isotopique couplée à la Spectrométrie de
confirmés par les contrôles internes des performances Masse (DI-MS). En plus de l'identification des sources
de la méthode, peut nettement réduire le nombre des possibles d'incertitude et de leur quantification à l'aide
diverses contributions requises pour constituer une de moyens statistiques, l'exemple montre comment il
estimation de l'incertitude dans ces circonstances. est également nécessaire d'inclure l'évaluation des
composantes fondées sur l'appréciation comme décrit
Exemple A7 : dans le paragraphe 7.14. Le recours à l'appréciation est
un cas particulier de l'évaluation de Type B comme
Cet exemple donne une description détaillée de cela est décrit dans le Guide ISO [H.2.].
l'évaluation de l'incertitude sur la mesure de la teneur
31
Quantification de l'Incertitude Exemple A1
Objectif
où
Un étalon est préparé à partir d'un métal de grande cCd concentration de l'étalon [mg.L-1]
pureté (cadmium) avec une concentration d’environ 1 000 facteur de conversion de [mL] en [L]
1 000 mg.L-1. m masse de métal de haute pureté [mg]
Procédure de mesure P pureté du métal exprimée sous forme de
fraction massique
La surface du métal de grande pureté est nettoyée pour V volume du liquide de solution étalon [mL]
retirer toute contamination par des oxydes métalliques.
Le métal est ensuite pesé et dissout dans de l'acide Identification des sources d'incertitude :
nitrique dans une fiole volumétrique. Les étapes de la Les principales sources d'incertitude sont indiquées
procédure sont présentées dans l'organigramme dans le diagramme des causes et des effets ci-dessous :
suivant : V Pureté
Température
Etalonnage
Nettoyer la surface
Clean metal Répétabilité
du métal
surface c(Cd)
lisibilité lisibilité
m(tare) m(globale
linéarité )
Linéarité
Peser le métal Répétabilité Répétabilité
Weigh metal sensibilité sensibilité
étalonnage étalonnage
m
Quantification des composantes de l'incertitude
Dissoudre
Dissolveetand
diluer
Les valeurs et leurs incertitudes sont indiquées dans le
dilute tableau ci-dessous.
Incertitude Standard Combinée
RESULTAT
L'incertitude standard combinée pour la préparation
RESULT d'une solution étalon de Cd à 1002,7 mg.L-1 est égale à
0,9 mg.L-1.
Figure A1. 1: Préparation d'un étalon de Les différentes contributions sont présentées à l'aide
cadmium d'un diagramme dans la figure A.1.2..
Mesurande
1000 ⋅ m ⋅ P
c Cd = [mg.L-1]
V
Tableau A1.1 : Valeurs et incertitudes
Incertitude standard
Description Valeur Incertitude standard
relative u(x)/x
P Pureté du métal 0,9999 0,000058 0,000058
m Masse du métal 100,28 mg 0,05 mg 0,0005
V Volume de la fiole 100,0 mL 0,07 mL 0,0007
cCd Concentration de l'étalon 1002,7 mg.L-1 0,9 mg.L-1 0,0009
32
Quantification de l'Incertitude Exemple A1
Figure A1.2 : Contributions des incertitudes dans la préparation de la solution étalon de cadmium
Pureté
c(Cd)
33
Quantification de l'Incertitude Exemple A1
A1.1 Introduction ii) La fiole volumétrique (100 mL) est pesée sans et
avec le métal purifié à l’intérieur. La balance
Dans ce premier exemple préliminaire, il est question utilisée a une résolution de 0,01 mg.
de préparer un étalon pour la spectroscopie iii) 1 mL d'acide nitrique (65 g/100 g) et 3 mL d'eau
d'absorption atomique (SAA), préparé à partir du métal désionisée sont versés dans la fiole dans le but de
de haute pureté correspondant (dans cet exemple ≈ 1 dissoudre le cadmium (approximativement 100 mg,
000 mg.L-1 de Cd dans de l'HNO3 dilué). Même si cet pesé avec exactitude). Ensuite, la fiole est remplie
exemple ne représente pas une mesure analytique d'eau désionisée jusqu'à la marque et mélangée en
complète, l'utilisation d'étalons s’avère commune à la la retournant au moins trente fois.
plupart des déterminations, les mesures analytiques
courantes modernes étant des mesures relatives, qui Calcul :
nécessitent un étalon de référence assurant la Le mesurande dans cet exemple est la concentration de
traçabilité par rapport au SI. la solution étalon, qui dépend de la pesée du métal de
haute pureté (Cd), de la pureté et du volume du liquide
A1.2 Etape 1 : Spécification dans lequel il est dissout. La concentration est donnée
par :
L'objectif de cette première étape est de mettre par
1000 ⋅ m ⋅ P
écrit une définition claire de ce qui est mesuré. Cette cCd = mg.L-1
spécification comprend une description de la V
préparation de l'étalon et de la fonction mathématique
liant le mesurande aux paramètres dont il dépend. où
cCd concentration de l'étalon [mg.L-1]
Procédure
1 000 facteur de conversion de [mL] à [L]
L'information spécifique sur la façon de préparer un m masse du métal de haute pureté [mg]
étalon est normalement donnée dans une Procédure
Opérationnelle Normalisée (SOP). La préparation se P pureté du métal donné sous forme de fraction
compose des étapes suivantes : massique
V volume de liquide de l'étalon [mL]
Figure A1.3 : Préparation de l'étalon de
cadmium A1.3 Etape 2 : Identification et analyse des
sources d'incertitude
Décaper la
Clean metal
surface du L'objectif de cette seconde étape est de dresser la liste
surface
métal de toutes les sources d'incertitude pour chacun des
paramètres qui affectent la valeur du mesurande.
Pureté
Peser le métal
Weigh metal La pureté du métal (Cd) est notée dans le certificat du
fournisseur comme étant égale à (99,99 ± 0,01) %. P
est par conséquent égale à 0,9999 ± 0,0001. Ces
Dissoudre valeurs dépendent de l'efficacité de la purification de la
Dissolve and
et diluer surface du métal de haute pureté. Si l'on se conforme
dilute strictement à la procédure du fabricant, il est inutile
d'ajouter à la valeur indiquée sur le certificat une
incertitude supplémentaire due à la contamination de la
surface par un oxyde métallique.
Résultat
RESULT Masse m
La seconde étape de la préparation nécessite de peser
Les étapes distinctes sont : le métal de haute pureté. Il faut préparer un volume de
100 mL d'une solution de cadmium à 1 000 mg.L-1.
i) La surface du métal de haute pureté est traitée avec
un mélange acide afin d'éliminer toute La masse utile de cadmium est déterminée par une
contamination par un oxyde métallique. pesée tarée, donnant m = 0,10028 g.
Le procédé de décapage est fourni par le fabricant La documentation du fabricant identifie trois sources
du métal et il est nécessaire de l'effectuer pour d'incertitude pour la pesée tarée : la répétabilité ; la
obtenir la pureté notifiée sur le certificat. lisibilité (résolution numérique) de l'échelle de la
34
Quantification de l'Incertitude Exemple A1
35
Quantification de l'Incertitude Exemple A1
Volume de la
100.0 0.07 mL 0.0007
fiole V (mL)
36
Quantification de l'Incertitude Exemple A1
A B C D E
1 P M V
2 Valeur 0.9999 100.28 100.00
3 Incertitude 0.000058 0.05 0.07
4
5 P 0.9999 0.999958 0.9999 0.9999
6 M 100.28 100.28 100.33 100.28
7 V 100.0 100.00 100.00 100.07
8
9 c(Cd) 1002.69972 1002.75788 1003.19966 1001.99832
10 u(y,xi) 0.05816 0.49995 -0.70140
2 2
11 u(y) , u(y,xi) 0.74529 0.00338 0.24995 0.49196
12
13 u(c(Cd)) 0.9
37
Quantification de l'Incertitude Exemple A1
Pureté
c(Cd)
|u(y,xi)| mg L-1
Les valeurs de u(y,xi) = (∂y / ∂xi).u(xi) sont tirées du Tableau A1.3
38
Quantification de l'Incertitude Exemple A2
Objectif :
Une solution de soude (NaOH) est étalonnée avec du Pesée de HPK
Weighing KHP
phtalate de potassium, qui est un étalon titrimétrique
(KHP).
Mesurande :
1000 ⋅ m KHP ⋅ PKHP RESULTAT
c NaOH = [ mol L−1 ] RESULT
M KHP ⋅VT
où Figure A2.1 : Etalonnage de NaOH
cNaOH concentration de la solution de NaOH Identification des sources d'incertitude :
[mol.L–1]
Les principales sources d'incertitude sont présentées
1000 facteur de conversion [mL] en [L] sous forme d'un diagramme des causes et des effets sur
mKHP masse de l'étalon titrimétrique KHP [g] la Figure A2.2.Figure A2.2
PKHP pureté de l'étalon titrimétrique exprimée sous
Quantification des composantes d'incertitude
forme de fraction massique
Les différentes contributions à l'incertitude sont
MKHP masse molaire de KHP [g.mol–1] données dans le Tableau A2.1 et présentées sous forme
VT volume de titration de la solution de NaOH d'un diagramme sur la
[mL] Figure A2.3. L'incertitude type composée pour la
solution de NaOH à 0,10214 mol.L-1 est égale à
0,00010 mol.L-1
39
Quantification de l'Incertitude Exemple A2
CNaOH
V(T) Etalonnage
Point final
Température
m(KHP)
Point final
V(T)
M(KHP)
P(KHP)
m(KHP)
Répétabilité
c(NaOH)
40
Quantification de l'Incertitude Exemple A2
41
Quantification de l'Incertitude Exemple A2
certaines sources d'incertitude risquent d'une part d'être d'une mesure à l'autre et à l'incertitude d'étalonnage de
négligées et d'autre part d'être comptées deux fois. la balance. L'étalonnage lui-même a deux sources
L'emploi d'un diagramme des causes et des effets possibles d'incertitude : la sensibilité et la linéarité de
(Annexe D) est une des manières de prévenir ce risque. la fonction d'étalonnage. Si la pesée est effectuée sur
Dans l'élaboration de ce diagramme, la première étape une même échelle et sur un faible intervalle de masse,
consiste à tracer les quatre paramètres de l'équation du alors la contribution de la sensibilité peut être négligée.
mesurande comme étant les principales flèches.
Toutes ces sources d'incertitude sont ajoutées sur le
Ensuite, on envisage chaque étape de la méthode et on diagramme des causes et des effets (voir Figure A2.6).
ajoute sur le diagramme toute autre facteur d’influence
agissant indépendamment de l'effet principal. On Pureté PKHP
P(KHP) m(KHP) La pureté du KHP est renseignée dans le catalogue du
fournisseur comme étant comprise entre 99,95 % et
100,05 %. PKHP est par conséquent 1,0000 ± 0,0005. Il
n'y a pas d'autre source d'incertitude si la procédure de
c(NaOH) séchage a été effectuée conformément à la spécification
du fournisseur.
c(NaOH)
V(T) M(KHP)
Figure A2.6 : Diagramme des causes et des effets avec les sources
d'incertitude qui ont été ajoutées pour la procédure de pesée
42
Quantification de l'Incertitude Exemple A2
piston est sujet aux trois mêmes sources d'incertitude titrage et à l'inexactitude dans l'évaluation
que le remplissage de la fiole volumétrique dans mathématique du point final à partir de la courbe de
l'exemple précédent. Ces sources d'incertitude sont la dosage.
répétabilité du volume délivré, l'incertitude de
Ces éléments sont inclus dans le diagramme des causes
l'étalonnage de ce volume et l'incertitude résultant de la
et des effets présenté sur la Figure A2.7.
différence entre la température dans le laboratoire et
celle de l'étalonnage de la burette à piston. De plus il y
a la contribution de la détection du point final, qui A2.4 Etape 3 : Quantification des composantes
comporte deux sources d'incertitude. de l'incertitude
1. La répétabilité de la détection du point final, qui est Dans l'étape 3, il faut quantifier l'incertitude de chaque
indépendante de la répétabilité du volume délivré ; source identifiée dans l'étape 2 et ensuite la convertir
2. La possibilité d'une différence systématique entre le en une incertitude type. Toutes les expériences
point final déterminé et le point d'équivalence
(biais), due à l'absorption de carbonate pendant le
comprennent toujours au moins la répétabilité du conséquent uniquement de l'incertitude sur la linéarité
volume délivré par la burette à piston et la répétabilité de la balance.
de l'opération de pesée. Par conséquent il est
Linéarité : Le certificat d'étalonnage de la balance
raisonnable de combiner toutes les contributions de la
indique ± 0,15 mg pour la linéarité. Cette valeur est la
répétabilité en une seule contribution pour l'ensemble
différence maximum entre la masse réelle sur le
de l'expérience et d'utiliser les valeurs tirées de la
plateau et la lecture de l'échelle. Dans sa propre
validation de la méthode pour quantifier sa dimension,
évaluation de l'incertitude de la balance, le fabricant
ce qui a conduit au diagramme corrigé des causes et
recommande d'utiliser une distribution rectangulaire
des effets de la Figure A2.8.
pour convertir la contribution de la linéarité en une
La validation de la méthode présente une répétabilité
incertitude type.
pour l'expérience de titrage égale à 0,05 %. Cette
valeur peut être directement utilisée pour calculer La contribution de la linéarité de la balance est de ce
l'incertitude type composée. fait :
0.15 mg
Masse mKHP = 0.09 mg
3
Les pesées principales sont :
Cette contribution doit être comptée deux fois, une fois
Récipient et KHP : 60,5450 g (observée) pour la tare et une fois pour le masse globale, car
Récipient moins KHP : 60,1562 g (observée) chacune correspond à une observation distincte et les
KHP : 0,3888 g (calculée) effets de la linéarité ne sont pas corrélés.
Ceci donne pour l'incertitude type u(mKHP) de la masse
mKHP, une valeur de
En raison de l'expression de répétabilité combinée
identifiée ci-dessus, il est inutile de prendre en compte u ( m KHP ) = 2 × (0.09 2 )
la répétabilité des pesées. Tout écart systématique sur
⇒ u (m KHP ) = 0.13 mg
l'échelle sera aussi supprimé. L'incertitude découle par
étalonnage
sensibilité
sensibilité linérité
répétabilité
répétabilité
linéarité
m(globale
m(tare)
c(NaOH)
répétabilité
étalonnage
température
Point final
répétabilité
biais V(T) M(KHP)
43
Quantification de l'Incertitude Exemple A2
sensibilité linéarité
vity
Linéarité
m(globale)
m(tare)
c(NaOH)
V(T)
étalonnage
Ppoint
final température
m(KHP)
Point final
44
Quantification de l'Incertitude Exemple A2
Ainsi l'incertitude type due au contrôle incomplet A l'aide des valeurs données ci-dessus :
de la température est égale à 0,006 mL.
45
Quantification de l'Incertitude Exemple A2
V(T)
M(KHP)
P(KHP)
m(KHP)
Répétabilité
c(NaOH)
46
Quantification de l'Incertitude Exemple A2
L'incertitude type de l'étalonnage de V(T) avait été Ainsi le choix de la fonction de distribution de ce
calculée à partir des données fournies par le fabricant facteur d’influence a peu d'effet sur la valeur de
qui supposait que la distribution était triangulaire. l'incertitude type composée (uc(cNaOH)) et il est
L'influence du choix de la forme de la distribution est raisonnable de supposer qu'elle est triangulaire. On
présentée dans le Tableau A2.4. obtient l'incertitude élargie U(cNaOH) en multipliant
Conformément à la remarque 1 du paragraphe 4.3.9. du l'incertitude type composée par un facteur
Guide ISO : d'élargissement égal à 2.
« Pour une distribution normale ayant comme espérance µ
et comme écart-type σ, l'intervalle µ ±3σ couvre
U (c NaOH ) = 0.00010 × 2 = 0.0002 mol L−1
approximativement 99,73 % de la distribution. Ainsi, si les
limites supérieure et inférieure a+ et a- définissent des Ainsi la concentration de la solution de NaOH est égale
limites à 99,73 % plutôt que des limites à 100 % et que l'on à (0,1021 ±0,0002) mol L–1.
peut supposer que Xi est distribué pratiquement de façon
normale plutôt que de n'avoir aucune connaissance
spécifique sur Xi [entre les limites], alors u2(xi) = a2 / 9. Par
comparaison, la variance d'une distribution rectangulaire
symétrique de demi-largeur a est égale à a2 / 3 ... et celle
d'une distribution triangulaire symétrique de demi-largeur a
est égale à a2 / 6 .… Les grandeurs des variances des trois
distributions sont contre toute attente similaires étant donné
les différences dans les hypothèses sur lesquelles elles sont
fondées. »
47
Quantification de l'Incertitude Exemple A2
48
Quantification de l’Incertitude Exemple A3
Figure A3.2 : Diagramme des causes et des effets pour le titrage acide / base
V(T2) P(KHP) m(KHP)
Biais Même balance
étalonnage étalonnage
Point final
sensibilité
sensibilité
Température linéarité
linéarité
Etalonnage m(tare)
m(globale)
c(HCl)
m(KHP)
V(T2) Etalonnage Etalonnage
Point final V(T2)
Température
V(T1) Température
Point final V(T1) Point final
V(HCl)
49
Quantification de l’Incertitude Exemple A3
V(HCl)
M(KHP)
V(T1)
V(T2)
P(KHP)
m(KHP)
Répétabilité
c(HCl)
50
Quantification de l’Incertitude Exemple A3
Exemple A3 : Un titrage acide / base. Discussion détaillée
A3.1 Introduction
Dans cet exemple on considère une suite de
manipulations destinées à déterminer la concentration Pesée du HPK
d'une solution d'acide chlorhydrique (HCl). De plus, Weighing KHP
l'accent est mis sur plusieurs aspects particuliers de la
technique de titrage. On titre l'HCl avec une solution
de soude (NaOH), qui a été récemment étalonnée avec Titrer HPK
Titrate KHP
du phtalate de potassium (KHP). Comme dans avec NaOH
with NaOH
l'exemple précédent (A2) on suppose que la
concentration d'HCl est connue pour être de l'ordre de
0,1 mol.L–1 et que le point final du titrage est Prendre 1 aliquote
déterminé à l'aide d'un système de titrage automatique
Take aliquot
d'HCl
of HCl
utilisant le tracé de la courbe de pH. Cette évaluation
donne l'incertitude de la mesure exprimée en unités SI.
Titrer HCl
Titrate HCl
A3.2 Etape 1 : Spécification avec NaOH
with NaOH
Une description détaillée de la procédure de mesure est
donnée dans la première étape. Elle comprend la liste
des étapes de la mesure et une formulation
RESULTAT
RESULT
mathématique du mesurande.
Procédure
Figure A3.4 : Détermination de la
La détermination de la concentration de la solution concentration d'une solution d'HCl
d'HCl se compose des étapes suivantes (Voir aussi la
Figure A3.4) : Calcul
i) L'étalon titrimétrique hydrogéno-phtalate de Le mesurande est la concentration de la solution d'HCl,
potassium (KHP) est séché dans le but de garantir cHCl. Il dépend de la masse de KHP, de sa pureté, de
la pureté indiquée sur le certificat du fournisseur. son masse moléculaire, des volumes de NaOH au point
On pèse approximativement 0,388 g d'étalon sec final des deux titrages et de l'aliquote d'HCl :
pour obtenir un volume de titrage de 19 mL de
NaOH. 1000 ⋅ m KHP ⋅ PKHP ⋅ VT 2
c HCl = [ mol L−1 ]
ii) L'étalon titrimétrique de KHP est dissout avec ≈ VT 1 ⋅ M KHP ⋅ V HCl
50 mL d'eau désionisée et le tout titré avec la
solution de NaOH. Un système de titrage contrôle
automatiquement l'ajout de NaOH et où
échantillonne la courbe de pH. Le point final est cHCl concentration de la solution d'HCl [mol.L-1]
déduit du tracé de la courbe enregistrée.
1000 facteur de conversion de [mL] en [L]
iii) A l'aide d'une pipette volumétrique on transvase mKHP masse de KHP prélevée [g]
15 mL de solution d' HCl. On dilue la solution
d'HCl avec de l'eau désionisée pour préparer PKHP pureté du KHP donnée sous forme d'une
≈ 50 mL de solution dans le récipient de titrage. fraction massique
iv) Le même titrimètre automatique permet de VT2 volume de la solution de NaOH nécessaire
déterminer la concentration de la solution d'HCl. pour titrer HCl [mL]
VT1 volume de solution de NaOH nécessaire pour
titrer KHP [mL]
MKHP masse molaire de KHP [g.mol–1]
VHCl volume de HCl titrée avec la solution de
NaOH [mL]
51
Quantification de l’Incertitude Exemple A3
c(HCl)
m(KHP)
V(T2) étalonnage étalonnage
Point final V(T2)
Température
V(T1) Température
Point final V(T1) Point final
V(HCl)
Répétabilité Biais V(T1) M(KHP) V(HCl)
Répétabilité
A3.3 Etape 2 : Identification et analyse des
sources d'incertitude La validation de la méthode montre que la répétabilité de
la détermination est de 0,001 (en tant que % écart-type
L'analyse des différentes sources d'incertitude et de relatif). Il est possible d'utiliser directement cette valeur
leur influence sur le mesurande sera meilleure si elles pour calculer l'incertitude type composée associée aux
sont d'abord visualisées sur un diagramme des causes différents termes de la répétabilité.
et des effets (Figure A3.5).
Masse mKHP
Comme on dispose d'une estimation de la répétabilité à
partir des études de validation de la procédure dans son Etalonnage / linéarité : Le fabricant de la balance indique
ensemble, il est inutile d'envisager toutes les la valeur de ± 0,15 mg pour la contribution de la linéarité.
contributions à la répétabilité séparément. Elles sont Cette valeur représente la différence maximale entre la
par conséquent regroupées en une seule contribution masse réelle sur le plateau et la lecture de l'échelle. La
(présentée dans le diagramme modifié des causes et contribution de la linéarité est supposée présenter une
des effets sur la Figure A3.5). distribution rectangulaire et est convertie en une
incertitude type :
Les influences sur les paramètres VT2, VT1, mKHP, PKHP
et MKHP ont fait l'objet de discussions approfondies dans 0.15
= 0.087 mg
l'exemple précédent, par conséquent, dans cette section, 3
on s'intéressera de façon plus détaillée uniquement aux
nouvelles grandeurs de VHCl ayant une influence. La contribution due à la linéarité doit être comptée
deux fois, une fois pour la tare et une fois pour la
Volume VHCl masse globale, ce qui conduit à une incertitude
u(mKHP) de :
Il faut transvaser 15 mL de la solution d'HCl étudiée au
moyen d'une pipette volumétrique. Le volume délivré
d'HCl avec la pipette est sujet aux trois mêmes sources u (m KHP ) = 2 × (0.087) 2
d'incertitude que tous les dispositifs de mesure ⇒ u (m KHP ) = 0.12 mg
volumétrique.
REMARQUE 1 :
1. La variabilité ou la répétabilité du volume délivré ;
La contribution est appliquée deux fois car aucune hypothèse n’est faite
2. L'incertitude sur le volume indiqué par la pipette ; à propos de la forme de la non-linéarité. La non-linéarité est en fait
traitée comme un effet systématique s'exerçant sur chaque pesée, qui
3. La température de la solution différant de la varie de façon aléatoire en amplitude sur toute la gamme de mesure.
température d'étalonnage de la pipette. REMARQUE 2 :
A3.4 Etape 3 : Quantification des composantes La correction de la poussée de l’air n’est pas prise en compte car tous les
de l'incertitude résultats des pesées sont indiqués sur la base conventionnelle des pesées
effectuées dans l'air [H.33]. Les incertitudes restantes sont trop faibles
L'objectif de cette étape est de quantifier chaque source pour être considérées. La Remarque 1 dans l’annexe G fait référence à
cela.
d’incertitude analysée dans l'étape 2. La quantification
des différentes composantes a été décrite en détail dans P(KHP)
les deux exemples précédents. Par conséquent seul un
résumé pour chacune de ces différentes contributions P(KHP) est donnée dans le certificat du fournisseur
sera donné. comme étant égal à 100 % avec une incertitude de ±
0.05 %. La contribution de la pureté de KHP est
52
Quantification de l’Incertitude Exemple A3
considérée comme ayant une distribution rectangulaire,
ainsi l'incertitude type u(PKHP) est :
Elément Poids Incertitude Incertitude
0.0005
u ( PKHP ) = = 0.00029 . atomique notée type
3 C 12.0107 ± 0.0008 0.00046
H 1,00794 ± 0,00007 0,000040
Volume VT2
O 15,9994 ± 0,0003 0,00017
i) Etalonnage : Chiffre donné par le fabricant (± K 39,0983 ± 0,0001 0,000058
0,03 mL) et considéré comme une distribution
Pour chaque élément, l'incertitude type est obtenue en
triangulaire 0.03 6 = 0.012mL . considérant l'incertitude donnée par l'IUPAC comme
ii) Température : La variation éventuelle de la limites d'une distribution rectangulaire. On obtient
température est comprise dans les limites de ± 4 °C donc l'incertitude type correspondante en divisant ces
et la distribution est considérée comme valeurs par 3.
rectangulaire : 15 × 2.1 × 10 −4 × 4 3 = 0.007ml .
La masse molaire MKHP et son incertitude u(MKHP)
iii) Biais de la détection du point final : Un biais entre sont, respectivement :
le point de final déterminé et le point d'équivalence
dû au CO2 atmosphérique peut être évité en M KHP = 8 × 12.0107 + 5 × 1.00794 + 4 × 15.9994
réalisant le titrage sous argon. L'incertitude est + 39.0983
négligée.
= 204.2212 g mol −1
VT2 est égal à 14,89 mL et le fait de combiner les deux
contributions à l'incertitude u(VT2) du volume VT2 (8 × 0.00046) 2 + (5 × 0.00004) 2
conduit à une valeur de :
u ( M KHP ) =
+ (4 × 0.00017) 2 + 0.0000582
u (VT 2 ) = 0.012 2 + 0.007 2 ⇒ u ( FKHP ) = 0.0038 g mol −1
⇒ u (VT 2 ) = 0.014 mL REMARQUE :
Les contributions de chaque atome ne sont pas indépendantes. Par
Volume VT1 conséquent on calcule l'incertitude pour la contribution des atomes
en multipliant l'incertitude type des masses atomiques atomique par
Toutes les contributions sauf celle de la température le nombre d'atomes.
sont les mêmes que pour VT2. Volume VHCl
53
Quantification de l’Incertitude Exemple A3
A3.5 Etape 4 : Calcul de l'incertitude type Il est possible d'utiliser un tableur (voir Annexe E)
composée pour simplifier le calcul de l'incertitude type composée
ci-dessus. La feuille de calcul renseignée avec les
cHCl est donnée par : valeurs appropriées est présentée dans le Tableau A3.3,
auquel est joint une explication.
1000 ⋅ m KHP ⋅ PKHP ⋅ VT 2
c HCl = Les différentes contributions peuvent être comparées à
VT 1 ⋅ M KHP ⋅ V HCl
l'aide d'un histogramme. La Figure A3.6 présente les
REMARQUE : valeurs des contributions |u(y,xi)| tirées du Tableau
L'estimation de la répétabilité est, dans cet exemple, traitée comme
A3.3
un effet relatif ; l'équation complète du modèle est par conséquent :
Figure A3.6 : Incertitudes dans le titrage
1000 ⋅ m KHP ⋅ PKHP ⋅ VT 2 acide / base
c HCl = × rep
VT 1 ⋅ M KHP ⋅ V HCl
V(HCl)
c(HCl)
Les incertitudes associées à chaque composante sont 0 0.05 0.1 0.15 0.2
propagées selon : -1
|u(y,xi)| ( mmol L )
2 2 2
u (mKHP ) u ( PKHP ) u (VT 2 )
+ + L'incertitude élargie U(cHCl) est calculée en multipliant
mKHP PKHP VT 2 l'incertitude type composée par un facteur
2 2 2
uc (cHCl ) u (VT 1 ) u ( M KHP ) u (VHCl ) d'élargissement égal à 2 :
= + + +
cHCl
VT 1 M KHP VHCl U (c HCl ) = 0.00018 × 2 = 0.0004 mol L-1
+ u (rep ) 2
54
Quantification de l’Incertitude Exemple A3
A3.6 Aspects particuliers de l'exemple de Le résultat analytique final est calculé à l'aide des
titrage volumes corrigés et non avec les volumes étalonnés à
20°C. Un volume est corrigé pour ce qui est de l'effet
Trois aspects particuliers de l'expérience de titrage de la température via l'expression :
seront discutés dans la seconde partie de l'exemple. Il
est intéressant de voir quel effet auraient des V ' = V [1 − α (T − 20)]
modifications dans l‘installation expérimentale ou dans
la mise en oeuvre du titrage sur le résultat final et son où
incertitude type composée. V' volume à 20 °C
Influence d'une température ambiante moyenne de V volume à la température moyenne T
25°C α coefficient de dilatation d'une solution aqueuse
Pour les analyses de routine, les analystes corrigent [°C–1]
rarement l'effet systématique de la température dans le T température observée dans le laboratoire [°C]
laboratoire sur le volume. Ce problème concerne
l'incertitude introduite par les corrections nécessaires. L'équation du mesurande doit être réécrite :
Les dispositifs de mesure volumétrique sont étalonnés 1000 ⋅ mKHP ⋅ PKHP V 'T 2
à une température de 20°C. Mais il est rare qu'un c HCl = ⋅
M KHP V 'T 1 ⋅V ' HCl
laboratoire d'analyses soit équipé d'un régulateur de
température qui maintienne la température ambiante à
ce niveau. A titre d'exemple, considérons la correction
nécessaire pour une température ambiante moyenne de
25°C.
55
Quantification de l’Incertitude Exemple A3
Le fait d'introduire les termes de correction de la VT 1; Ind volume d'une détection visuelle du point
température donne : d’équivalence
1000 ⋅ mKHP ⋅ PKHP V 'T 2
c HCl = ⋅ VT 1 volume au point d'équivalence
M KHP V 'T 1 ⋅V ' HCl
Vexcess volume en excès nécessaire au virement
1000 ⋅ mKHP ⋅ PKHP
= de la couleur de la phénolphtaléine
M KHP La correction sur le volume notée ci-dessus aboutit aux
VT 2 [1 − α(T − 20)] modifications suivantes dans l'équation du mesurande :
×
VT 1[1 − α(T − 20)] ⋅ VHCl [1 − α(T − 20)] 1000 ⋅ m KHP ⋅ PKHP ⋅ (VT 2; Ind − V Excess )
c HCl =
Il est possible de simplifier cette expression en M KHP ⋅ (VT 1; Ind − V Excess ) ⋅ V HCl
supposant que la température moyenne T et que le
coefficient de dilatation d'une solution aqueuse α sont Il faut recalculer les incertitudes types u(VT2) et u(VT1)
les mêmes pour les trois volumes : en prenant l'incertitude type de la détection visuelle du
point d’équivalence comme composante de
1000 ⋅ m KHP ⋅ PKHP
c HCl = l'incertitude de répétabilité de la détection du point
M KHP d’équivalence.
VT 2 u (VT 1 ) = u (VT 1; Ind − V Excess )
×
VT 1 ⋅ V HCl ⋅ [1 − α(T − 20)] = 0.004 2 + 0.012 2 + 0.009 2 + 0.03 2
Cette expression donne un résultat légèrement différent = 0.034mL
pour la concentration d'HCl à 20°C :
56
Quantification de l’Incertitude Exemple A3
Volume VT2 Volume VT1
Rep = 0.001 3 = 0.00058 (en tant qu’écart type Figure A3.7 : Valeurs et incertitudes du
relatif) titrage acide / base dupliqué
Volume VHCl V(HCl)
M(KHP)
Dupliqué
Mesure
Etalonnage : 0.02 6 = 0.008 mL V(T1) unique
V(T2)
Température :
P(KHP)
15 × 2.1 × 10 −4 × 4 3 = 0.007 mL m(KHP)
Répétabilité
57
Quantification de l’Incertitude Exemple A4
où Purification
Clean-up
Pop Fraction massique de pesticide dans l'échantillon
[mg.kg-1]
Préparer
Prepare
Iop Intensité du pic de l'extrait d'échantillon Concentration
‘Bulk up’ un étalon
calibration
pour l'étalonnage
standard
cref Concentration massique de l'étalon de référence
[µg.mL-1]
Détermination
GC Etalonnage
GC
Vop Volume final de l'extrait [mL]
par CG par CG
Determination Calibration
Iref Intensité du pic de l'étalon de référence
Rec Rendement
msample Masse du sous-échantillon étudié [g] RESULTAT
RESULT
F1 Facteur de correction représentant les effets de la
fidélité intermédiaire sous des conditions
intermédiaires
Fhom Facteur de correction relatif à l'inhomogénéité de l'échantillon
58
Quantification de l’Incertitude Exemple A4
Autres sources (3) 1,0 0,2 0,2 Estimation fondée sur les
(Homogénéité) hypothèses d'un modèle
Pop -- -- 0,34 Incertitude type relative
m(globale)
Linéarité m(tare)
Linéarité
étalonnage
étalonnage
Rendement étalonnage
F(hom) I(ref) m(échantillon)
Homogénéité
Biais
Répétabilité
P(op)
59
Quantification de l’Incertitude Exemple A4
60
Quantification de l’Incertitude Exemple A4
A4.1 Introduction
Cet exemple illustre comment tirer profit des données de ix) Préparation d'un étalon de 5 µg.mL-1 environ
validation interne pour quantifier l'incertitude de mesures. (concentration réelle cref).
Le but de la mesure est de déterminer la quantité d'un
x) Etalonnage de la CG à l'aide de l'étalon préparé,
résidu de pesticide organophosphoré dans le pain. Le
injection et mesure par CG de 5 µL de l'étalon
schéma de la validation et les expériences établissent les
pour donner un pic d’intensité de référence Iref.
performances à l'aide de mesures réalisées sur des
échantillons dopés. Il est fait l’hypothèse que l'incertitude Figure A4.4 : Analyse des pesticides
due à une différence quelconque de réponse de la mesure organophosphorés
obtenue sur le dopant et l'analyte dans l'échantillon est
faible comparée à l'incertitude totale sur le résultat.
Homogénéiser
Homogenise
A4.2 Etape 1 : Spécification
Le mesurande correspond à la fraction massique de
pesticide dans un échantillon de pain. La spécification
détaillée du mesurande pour des méthodes analytiques Extraction
Extraction
plus avancées est plus satisfaisante si l'on procède à
une description exhaustive des différentes étapes de la
méthode analytique et que l'on fournit l'équation du
mesurande. Purification
Clean-up
Procédure
La procédure de la mesure est illustrée schématiquement Concentration Préparer étalon
Prepare
sur la Figure A4.. Les étapes distinctes sont : ‘Bulk up’ pour calibration
étalonnage
i) Homogénéisation : L'ensemble de l'échantillon est standard
divisé en petits fragments (approx. 2 cm), une Etalonnage
sélection aléatoire de 15 de ces fragments est Détermination
GC par CG
GC
réalisée et le sous-échantillon homogénéisé. par CG
Determination Calibration
Lorsque une inhomogénéité extrème est
suspectée, un échantillonnage proportionnel est
mis en œuvre avant de faire le mélange.
RESULTAT
RESULT
ii) La pesée des sous-échantillons destinés à
l'analyse donne la masse msample
Calcul
iii) Extraction : Extraction quantitative de l'analyte à
partir d’un solvant organique, décantation et La concentration massique cop dans l'extrait
séchage à travers une colonne de sulfate de d’échantillon final est donnée par :
sodium, et concentration de l'extrait à l'aide d'un I op
appareil Kuderna-Danish. c op = c ref ⋅ µg mL−1
I ref
iv) Extraction liquide-liquide :
et l'estimation Pop du taux de pesticide dans
v) Séparation liquide avec de l’acétonitrile / hexane,
l'échantillon global (en mg.kg-1) est donnée par :
lavage de l'extrait d'acétonitrile avec de l'hexane,
séchage de la couche d'hexane sur une colonne de c op ⋅ Vop
sulfate de sodium. Pop = mg kg −1
Rec ⋅ m sample
vi) Concentration de l'extrait lavé en évaporant
l'extrait avec du gaz jusqu'à atteindre ou, en remplaçant cop,
pratiquement la siccité.
I op ⋅ c ref ⋅ V op
vii) Dilution jusqu'à l'obtention d'un volume type Vop Pop = mg kg -1
(environ 2 mL) dans un tube gradué de 10 mL. I ref ⋅ Rec ⋅ m sample
viii) Mesure : Injection et mesure par CG d'un où
extrait d'échantillon de 5 µL pour obtenir
l'intensité du pic Iop.
61
Quantification de l’Incertitude Exemple A4
Pop Fraction massique de pesticide de l'échantillon diagramme des causes et des effets (Figure A4.5).
[mg.kg-1]
Finalement, la flèche relative à l'incertitude due à
Iop Intensité du pic de l'extrait d'échantillon l'inhomogénéité de l'échantillon doit être incluse dans le
calcul du mesurande. Pour mettre en évidence l'effet des
cref : Concentration massqieu de l'étalon de référence
incertitudes résultant de cette source, il convient d'écrire :
[µg.mL-1]
Vop : Volume final de l'extrait [mL] I op ⋅ c ref ⋅ Vop
Iref : Intensité du pic de l'étalon de référence Pop = Fhom ⋅ [ mg kg −1 ]
Rec : Rendement I ref ⋅ Rec ⋅ m sample
msample : Masse du sous-échantillon étudié [g]
où Fhom est un facteur de correction supposé égal à
l’unité dans le calcul d'origine. Ceci montre clairement
Portée
que les incertitudes sur le facteur de correction doivent
La méthode analytique s'applique à un éventail être comprises dans l'estimation de l'incertitude
restreint de pesticides semblables sur le plan chimique globale. L'expression finale montre aussi comment
à des taux compris entre 0,01 et 2 mg.kg-1 et à l'incertitude s’appliquera.
différentes sortes de pains comme matrices. REMARQUE :
A4.3 Etape 2 : Identification et analyse des Facteurs de correction : Cette approche est tout à fait générale et peut
sources d'incertitude être très utile pour mettre en évidence des hypothèses cachées. En
principe, chaque mesure est associée à de tels facteurs de correction,
Le fait de tracer un diagramme des causes et des effets qui sont normalement supposés égaux à un. Par exemple, l'incertitude
sur cop peut être exprimée en tant qu'incertitude type pour cop, ou
permet de mieux identifier toutes les sources principales comme l'incertitude type qui représente l'incertitude sur un facteur de
d'incertitude pour une procédure analytique aussi correction. Dans le dernier cas, la valeur est identique à l'incertitude
complexe. Les paramètres dans l'équation du mesurande pour cop exprimée sous forme d’écart-type relatif.
sont représentés par les flèches principales du diagramme.
On ajoute d'autres facteurs au diagramme, en considérant
A4.4 Etape 3 : Quantification des composantes
chaque étape de la procédure analytique (A4.2), jusqu'à ce d'incertitude
que les facteurs de contribution deviennent suffisamment Conformément à la section 7.7., la quantification des
insignifiants. différentes composantes d’incertitude utilise des
L'inhomogénéité de l'échantillon n’est pas un paramètre données issues des études de développement et de
de l'équation originale du mesurande, mais elle semble validation réalisées en interne :
avoir un effet significatif dans la procédure analytique. • La meilleure estimation disponible de la variation
On ajoute une nouvelle flèche, F(hom), représentant d'une mesure à l'autre du processus analytique ;
l'inhomogénéité de l'échantillon en conséquence sur le
• La meilleure estimation possible du biais global
Figure A4.5 : Diagramme des causes et des effets où la flèche principale correspond à
l'inhomogénéité de l'échantillon
I(op) c(ref) V(op)
Etalonnage Fidélité
Linéarité Pureté(ref)
m(ref)
Fidélité
Température Etalonnage Fidélité Température
V(ref) Etalonnage
Etalonnage Fidélité
Etalonnage
Fidélité
dilution
P(op)
m(globale)
Fidélité
Linéarité m(tare)
Sensibilité Linéarité
Etalonnage y Fidélité
Fidélité
Etalonnage Sensibilité
n
y
Etalonnage
F(hom) Rendement I(ref) m(échantillon)
62
Quantification de l’Incertitude Exemple A4
(Rec) et de son incertitude ; C'est-à-dire que l'on traite la fidélité comme un facteur
de multiplication FI au même titre que l'homogénéité.
• Quantification de toutes les incertitudes associées Cette forme est retenue pour des raisons pratiques de
aux effets pris partiellement en compte pour les calcul, comme cela est montré ci-dessous.
études des performances gloables.
L'évaluation des différents effets est maintenant
Il est utile d'apporter quelques modifications au considérée.
diagramme des causes et des effets pour clarifier la
prise en compte et la relation entre ces données 1. Etude de la fidélité
d’entrée (Figure A4.). Une nouvelle branche
« Fidélité » est ajoutée afin de représenter l’ensemble La variation globale d'une mesure à l'autre (fidélité) de
des effets couverts par l’étude de fidélité intermédiaire. la procédure analytique a été réalisée à partir de
Cela ne comprend pas la contribution de la Pureté à cref plusieurs essais réalisés en duplicat (même échantillon
puisque le même matériau de référence pur a été utilisé homogénéisé, procédure d'extraction/ détermination
pour les deux mesures dans chaque paire de duplicats. complète répétée sur deux cycles différents) pour les
REMARQUE :
pesticides organophosphorés typiques retrouvés dans
différents échantillons de pain. Les résultats sont
Dans une pratique normale, les échantillons sont analysés sous forme regroupés dans le Tableau A4.2.
de petits lots, chaque lot comprenant une gamme d'étalonnage, un
échantillon de contrôle du rendement pour vérifier le biais et un La différence normalisée des données (différence
échantillon au hasard dupliqué pour contrôler la fidélité au sein d’une
série. Une action corrective est réalisée si ces contrôles mettent en
divisée par la moyenne) fournit une mesure de la
évidence des écarts significatifs aux résultats obtenus pendant la variabilité globale d'une mesure à l'autre (fidélité
validation. Ce CQ de base répond aux principales exigences intermédiaire). Pour obtenir l'incertitude type relative
concernant l'emploi des données de validation dans l'estimation de estimée dans le cas de déterminations uniques, l'écart-
l'incertitude pour des mesures de routine.
type des différences normalisées est considéré et divisé
Après avoir intégré l'effet supplémentaire « Fidélité » par 2 pour intégrer le fait qu'il s'agit de l'écart-type
dans le diagramme des causes et des effets, le modèle d'une différence et non d'une valeur unique. Ceci donne
développé pour calculer Pop devient : une valeur pour l'incertitude type due à la variation
I ⋅ c ⋅V d'une mesure à l'autre pour le processus analytique
P =F ⋅ op ref op
⋅ F mg kg −1
Eq. A4.1 global, incluant la variation du rendement d'une mesure
I ⋅ Rec ⋅ m
op hom 1
ref sample
à l'autre mais excluant les effets de l'homogénéité,
égaux à 0.382 2 = 0.27
où FI est un facteur correspondant aux effets de la
variation sous des conditions de fidélité intermédiaire.
Figure A4.6: Diagramme des causes et des effets après le réarrangement destiné à adapter les
données de l'étude de validation
Fidélité I(op) c(ref) V(op)
Etalonnage
I(op) Linéarité Pureté (ref)
I(ref) m(ref)
m(ref)
Température Etalonnage Température
V(ref)
dilution V(ref) étalonnage
Etalonnage Etalonnage
V(op)
m(échantillon) dilution
P(op)
m(globale)
Linéarité m(tare)
Linéarité
Etalonnage
Etalonnage
Etalonnage
F(hom) Rendement I(ref) m(échantillon)
63
Quantification de l’Incertitude Exemple A4
64
Quantification de l’Incertitude Exemple A4
m(échantillon) dilution
P(op)
m(globale)
m(tare)
Linéarité Linéarité
Etalonnage (3)
Etalonnage (2)
Etalonnage(2)
F(hom)(3) Récupération I(ref) m(échantillon)
(1) Contribution (FI dans l’équation A4.1) envisagée incluse dans l’écart-type relatif calculé à partir de l’étude de
fidélité intermédiaire de la procédure analytique.
(2) Envisagée pendant l’étude des biais de la procédure analytique.
(3) A envisager pendant l’évaluation des autres sources d’incertitude.
3. Autres sources d'incertitude fidélité, (2) couvertes par les données de rendement ou
(3) doivent être encore examinées et éventuellement
Le diagramme des causes et des effets de la Figure
prises en compte dans le calcul de l'incertitude de la
A4.7 montre quelles autres sources d'incertitude sont
mesure.
(1) couvertes de manière appropriée par les données de
65
Quantification de l’Incertitude Exemple A4
Toutes les balances et les dispositifs de mesure Pour faciliter l'estimation, on a envisagé plusieurs
volumétrique importants sont contrôlés régulièrement. scénarios possibles de distribution des résidus de
Des études de fidélité et de rendement prennent en pesticides et utilisé une simple distribution binomiale
compte l'influence de l'étalonnage des différents pour calculer l'incertitude type correspondant à
dispositifs de mesure volumétrique car différentes l’ensemble des résidus contenus dans l'échantillon
fioles et pipettes volumétriques ont été utilisées analysé (voir le paragraphe A4.6). Les scénarios et les
pendant l'investigation. Les études exhaustives sur la incertitudes types relatives calculées sur la quantité de
variabilité, qui ont duré pendant plus de six mois, pesticides présents dans l'échantillon final étaient :
couvrent également les influences de la température
Scénario (a) Résidu réparti uniquement dans les
ambiante sur le résultat. Les seules composantes
couches supérieures : 0,58 ;
supplémentaires qui nécessitent d'être étudiées sont la
pureté du matériau de référence, la possible non Scénario (b) Résidu réparti uniformément à la
linéarité dans la réponse de la CG (représentée par les surface: 0,20 ;
termes ‘étalonnage’ pour Iref et Iop sur le diagramme) et
l'homogénéité de l'échantillon. Scénario (c) Résidu réparti uniformément dans
l'échantillon, mais dont la concentration a diminué
La pureté de l'étalon de référence est donnée par le par suite d'une évaporation ou d'une
fabricant à 99,53 % ± 0,06 %. La pureté est une source décomposition survenue à proximité de la surface :
éventuelle d'incertitude supplémentaire associée à une 0,05-0,10 (en fonction de l'épaisseur de la
incertitude type de 0.0006 3 = 0.00035 « couche superficielle »).
(distribution rectangulaire). Mais la contribution est si Le scénario (a) est spécifiquement adapté à
faible (comparée, par exemple, à l'estimation de la l'échantillonnage proportionnel ou à une
fidélité) qu'il n'est pas risqué de négliger cette homogénéisation complète (voir section A4.2,
contribution. Procédure paragraphe i). Cela survient unqiuement
dans le cas d’ajouts décoratifs (grains entiers) sur une
La linéarité de la réponse pour les pesticides
surface. Le scénario (b) est par conséquent considéré
organophosphorés pertinents dans la gamme de
comme le pire des cas. Le scénario (c) est envisagé
concentrations donnée est établie pendant les études de
comme le plus probable, mais il n'est pas toujours
validation. De plus, d'après les études à plusieurs
facile de le distinguer de (b). Sur cette base, la valeur
niveaux du type de celles indiquées dans les Tableau
de 0,20 a été retenue.
A4.2 et Tableau A4.3, la non-linéarité contribuerait à la
fidélité observée. Il est inutile d'en tenir compte une REMARQUE :
seconde fois. L'étude de validation interne a démontré Pour obtenir plus de détails sur la modélisation de l'inhomogénéité se
que ce n'était pas le cas. reporter à la dernière partie de cet exemple.
66
Quantification de l’Incertitude Exemple A4
Homogénéité
Biais
Fidélité
P(op)
67
Quantification de l’Incertitude Exemple A4
68
Quantification de l’Incertitude Exemple A4
µ = 15 × 0.37 × l1 = 5.6 l1
⇒ σ = 2.08 l12 = 1.44 l1
σ 2 = 15 × 0.37 × (1 − 0.37 ) × l12 = 3.5 l12
σ
⇒ RSD = = 0.58
µ ⇒ σ = 3.5 × l12 = 1.87 l1
REMARQUE :
σ
Pour calculer la teneur X dans l'échantillon entier, on multiplie
rétrospectivement µ par 432/15, ce qui donne une estimation
⇒ RSD = = 0.33
moyenne de X :
µ
⇒ σ = 3.5 l = 1.87 l1
1
2 Dans ce cas, la diminution de l'incertitude provient de ce que
l'inhomogénéité présente une échelle plus petite que la portion prise
pour l'homogénéisation. En général, ceci conduira à une contribution
σ
⇒ RSD = = 0.2
réduite à l'incertitude. Il est par conséquent inutile de concevoir
µ d'autres modèles pour les cas où de plus grand nombres de petites
inclusions (comme des céréales introduites dans tout le pain)
renferment des quantités disproportionnées de la substance d’intérêt.
Scénario (c) S’il est suffisamment probable qu'une telle inclusion soit incorporée
dans les portions prélevées pour l'homogénéisation, la contribution à
La quantité de substance proche de la surface est l'incertitude ne dépassera pas l'une des incertitudes déjà calculée dans
réduite à zéro du fait de pertes par évaporation ou les scénarios précédents.
d’autres origines. Ce cas peut être examiné plus
69
Quantification de l’Incertitude Exemple A5
70
Quantification de l’Incertitude Exemple A5
Figure A5.2 : Sources d'incertitude dans la détermination du cadmium susceptible d'être relargué
Courbe c(0) V(L)
étalon
Remplissage
f(acide) Température
f(durée) Etalonnage
f(température) Lecture
Résultat
Longueur 1
Longueur 2
aire
a(V) d
f(temp)
f(durée)
f(acide)
a(V)
V(L)
c(0)
0 1 2 3 4
-2
|u(y,x i)| (mg dm )x1000
71
Quantification de l’Incertitude Exemple A5
72
Quantification de l’Incertitude Exemple A5
cet exemple, une courbe d'étalonnage des moindres VL le volume du lixiviat [L]
carrés. aV la surface du ménisque du liquide [dm2]
vi) Le résultat est calculé (voir ci-dessous) et rapporté d facteur par lequel l'échantillon a été dilué
comme étant la quantité de plomb et/ou de La première partie de l'équation du mesurande figurant
cadmium dans le volume total de la solution ci-dessus est utilisée pour élaborer une première
d'extraction, exprimée en milligrammes de plomb version du diagramme des causes et des effets (Figure
ou de cadmium par décimètre carré de surface pour A5.5).
les objets de la catégorie 1 ou en milligrammes de
plomb ou de cadmium par litre du volume pour les Figure A5.5 : Diagramme initial des causes
objets des catégories 2 et 3. et des effets
REMARQUE : c(0) V(L)
Il est possible de se procurer des copies complètes de la norme BS
6748:1986 par courrier auprès des services clients du BSI, 389 Remplissage
Chiswick High Road, London W4 4AL, England - +44 (0) 208
996 9001. (ou de consulter la norme CEN-AFNOR correspondante, Courbe Température
NdT) étalonnage
Etalonnage
A5.3 Etape 2 : Nature et analyse des sources
d'incertitude Lecture
Résultat
L'étape 1 décrit une « méthode empirique ». Si une
telle méthode est utilisée dans le domaine Longueur 1
d'applications qui lui a été défini, le biais de la méthode
est défini comme étant nul. En conséquence Longueur 2
l'estimation du biais se rapporte aux performances du
laboratoire et non pas au biais intrinsèque de la aire
méthode. Puisque aucun matériau de référence certifié
n’est disponible pour cette méthode normalisée, le a(V) d
contrôle global du biais se fait via le contrôle des Il n'existe pas de matériau de référence certifié pour
paramètres de la méthode susceptibles d'influencer le cette méthode empirique, qui pourrait permettre
résultat. Ces facteurs d’influence sont le temps, la d’évaluer les performances du laboratoire. Tous les
température, la masse et les volumes, etc. facteurs d’influence potentiels, comme la température,
La concentration c0 du plomb ou du cadmium dans la durée du processus de relargage et la concentration
l'acide acétique après dilution est déterminée par d'acide, doivent par conséquent être envisagés. Pour
spectrométrie d'absorption atomique et calculée selon : prendre en compte les facteurs d’influence
supplémentaires, l'équation est complétée des facteurs
( A0 − B0 ) de correction respectifs conduisant à :
c0 = mg l -1
B1 c ⋅V
r = 0 L ⋅ d ⋅ f acid ⋅ f duree ⋅ f temp
aV
où
Ces facteurs supplémentaires sont aussi introduits dans
c0 concentration de plomb ou de cadmium dans la le diagramme modifié des causes et des effets (Figure
solution d'extraction [mg.L-1] A5.6). Ils y sont présentés en tant qu'effets s'exerçant
A0 absorbance du métal dans l'échantillon sur c0.
B0 ordonnée à l’origine de la courbe d'étalonnage REMARQUE :
B1 pente de la courbe d'étalonnage
La tolérance en température que la norme autorise correspond au cas
Pour les récipients de catégorie 1, la méthode d'une incertitude liée à une définition incomplète du mesurande. Le
empirique exige que le résultat soit exprimé sous forme fait de prendre en compte l'effet de la température permet d'estimer la
gamme de résultats qui pourraient être enregistrés en se conformant à
de masse r de plomb ou de cadmium relargué par unité la méthode empirique autant que cela est possible en pratique. A
de surface. r est donnée par : noter en particulier que les variations sur le résultat occasionnées par
différentes températures opératoires prises dans la gamme ne peuvent
c0 ⋅ VL V ⋅ ( A0 − B0 )
r= ⋅d = L ⋅d mg dm - 2 pas être raisonnablement décrites en tant que biais puisqu'elles
aV aV ⋅ B1 reflètent des résultats obtenus conformément à la spécification.
73
Quantification de l’Incertitude Exemple A5
Figure A5.6 : Diagramme des causes et des effets avec les suppositions cachées ajoutées
(facteurs de correction)
c(0) V(L)
Courbe
étalonnage
Remplissage
f(acide)
Température
f(durée) Etalonnage
f(température) Lecture
Résultat r
Longueur 1
Longueur 2
aire
a(V) d
74
Quantification de l’Incertitude Exemple A5
0,9 mg.L-1 ont été préparés à partir d'un étalon de Avec un coefficient de corrélation r de 0,997. La droite
référence de cadmium à 500 ± 0,5 mg.L-1. La ajustée est présentée sur la Figure A5.7. L'écart-type
procédure d'ajustement linéaire par les moindres carrés résiduel S est égal à 0,005486. Même si une légère
utilisée suppose que les incertitudes des valeurs sur courbure est manifeste, le modèle linéaire et l’écart-
l'axe des abscisses sont nettement plus faibles que les type résiduel ont donc été considérés comme suffisants.
incertitude des valeurs sur l'axe des ordonnées. Par
conséquent les procédures habituelles de calcul de La solution de relarguat a été mesurée deux fois, ce qui
l'incertitude pour c0 reflètent uniquement l'incertitude a conduit à une concentration c0 égale à 0,26 mg.L-1.
due à la variation aléatoire sur l'absorbance et non Le calcul de l'incertitude u(c0) associée à la procédure
l'incertitude des matériaux d’étalonnage, ni les d'ajustement linéaire par les moindres carrés est décrit
corrélations inévitables induites par une dilution en détail dans l'Annexe E.4. Par conséquent seule une
successive à partir de la même solution mère. brève description des différentes étapes du calcul est
L’Annexe E.3 donne des conseils pour le traitement donnée ici.
des incertitudes dans les valeurs de référence si
u(c0) est donnée par :
nécessaire ; dans ce cas, cependant, l'incertitude des
étalons est suffisamment faible pour être négligée.
S 1 1 (c 0 − c ) 2
Les cinq étalons ont été mesurés trois fois chacun, u (c 0 ) = + +
donnant les résultats qui figurent dans le Tableau A5.2.
B1 p n S xx
La courbe d'étalonnage est donnée par :
0.005486 1 1 (0.26 − 0.5) 2
A j = c i ⋅ B1 + B0 + ei
= + +
0.241 2 15 1.2
−1
où ⇒ u (c 0 ) = 0.018 mg L
Aj iième mesure d'absorbance
avec l'écart-type résiduel S donné par :
ci concentration de l’étalon correspondant à la iième
mesure d’absorbance n
∑ [ A j − ( B0 + B1 ⋅ c j )]
2
B1 pente
j =1
B0 ordonnée à l’origine S= = 0.005486
n−2
ei erreur résiduelle
(exprimé en mg.L-1) et
et les résultats de l'ajustement linéaire par les moindres
n
carrés sont : S xx = ∑ (c j − c ) 2 = 1.2
Valeur Ecart-type j =1
Figure A5.7 : Ajustement linéaire par les moindres carrés et intervalle des incertitudes pour
des déterminations faites en double exemplaire
0.
25
0.
20
Ab 0.
so 15
rpt
io
n 0.
10
0.
05
0.
0
75
Quantification de l’Incertitude Exemple A5
76
Quantification de l’Incertitude Exemple A5
A5.5 Etape 4 : Calcul de l'incertitude type chacune des contributions (C13:H13 sur le Tableau
composée A5.4) à l'incertitude composée (B16).
La quantité de cadmium relarguée par unité de surface, On obtient l'incertitude élargie U(r) en appliquant un
en supposant qu'il n'y a pas eu de dilution, est donnée facteur d'élargissement de 2 :
par : Ur = 0.0015 × 2 = 0.003 mg dm-2
c ⋅V
r = 0 L ⋅ f acid ⋅ f duree ⋅ ftemp mg dm -2 Ainsi la quantité de cadmium libérée est mesurée selon
aV
la norme BS 6748:1986
Les valeurs intermédiaires et leurs incertitudes types
sont regroupées dans le Tableau A5.3. En se servant de (0.015 ±0.003) mg dm-2
ces valeurs : où l'incertitude déclarée est calculée avec un facteur
d'élargissement égal à 2.
0.26 × 0.332
r= × 1.0 × 1.0 × 1.0 = 0.015 mg dm − 2 A5.6 Références pour l'exemple 5
5,73
Afin de calculer l'incertitude type composée d'une 1. B. Krinitz, V. Franco, J. AOAC 56 869-875 (1973)
expression multiplicative (comme ci-dessus) on utilise 2. B. Krinitz, J. AOAC 61, 1124-1129 (1978)
les incertitudes types de chaque composante de la 3. J. H. Gould, S. W. Butler, K. W. Boyer, E. A.
manière suivante : Stelle, J. AOAC 66, 610-619 (1983)
4. T. D. Seht, S. Sircar, M. Z. Hasan, Bull. Environ.
u ( c0 ) u (VL ) u ( aV )
2 2 2
Contam. Toxicol. 10, 51-56 (1973)
+ + 5. J. H. Gould, S. W. Butler, E. A. Steele, J. AOAC
uc ( r ) c0 VL aV
66, 1112-1116 (1983)
=
( )
2
u ( f acid ) u ( f duree ) u ftemp
r 2 2
+
f + +
acid f duree ftemp
0.0692 + 0.00542 + 0.0252
= = 0.095
+ 0.00082 + 0.0012 + 0.062
⇒ u c ( r ) = 0.095 r = 0.0034 mg dm -2
L'approche plus simple du tableur permettant de
calculer l'incertitude type composée figure dans le
Tableau A5.4. Une description de la méthode est
donnée en Annexe E.
Les contributions des différents paramètres et des
facteurs d’influence sur l'incertitude de la mesure sont
illustrées sur la Figure A5.8, qui compare le poids de
Tableau A5.3 : Valeurs et incertitudes intermédiaires pour l'analyse du cadmium susceptible d'être
relargué
Incertitude type relative
Description Valeur Incertitude type u(x)
u(x) / x
c0 Concentration de cadmium dans la 0.26 mg l-1 0.018 mg l-1 0.069
solution d'extraction
VL Volume du lixiviat 0.332 l 0.0018 l 0.0054
AV Surface du récipient 2.37 dm2 0.06 dm2 0.025
facide Influence de la concentration d'acide 1.0 0.0008 0.0008
fdurée Influence de la durée 1.0 0.001 0.001
ftemp. Influence de la température 1.0 0.06 0.06
77
Quantification de l’Incertitude Exemple A5
f(temp)
f(durée)
f(acide)
a(V)
V(L)
c(0)
0 1 2 3 4
-2
|u(y,xi)| (mg dm )x1000
78
Quantification de l’Incertitude Exemple A6
Exemple A6 : Détermination des fibres brutes présentes dans les aliments pour
animaux
Résumé
Objectif
La détermination des fibres brutes à l'aide d'une Figure A6.1 : Détermination des fibres.
méthode normalisée réglementaire.
Broyer et and
Grind peser
Procédure de la mesure l’échantillon
weigh sample
La procédure de mesure est une procédure normalisée
comprenant les étapes générales indiquées sur la Figure
A6.1. Ces étapes sont répétées pour un échantillon
Digestion acide
Acid digestion
témoin afin d’obtenir une correction du blanc.
Mesurande
La teneur en fibres exprimée sous forme d'un Digestion alcaline
pourcentage de l'échantillon par unité de poids, Cfibre, Alkaline digestion
est donnée par :
(b − c ) × 100 Sécher
Cfibre =
a Dryetand
peser
le résidu
weigh residue
où :
a est la masse (g) de l'échantillon.
(approximativement 1 g) ; Réduire en cendres
Ash and weigh
b est la perte de masse (g) après réduction en et peser le résidu
cendres pendant la détermination ; residue
c est la perte de masse (g) après réduction en
cendres lors de l'essai témoin.
RESULTAT
RESULT
Identification des sources d'incertitude
Un diagramme complet des causes et des effets est général, aucune autre contribution n'était significative.
donné sur la Figure A6. Aux faibles teneurs il fallait instaurer une marge de
tolérance pour la procédure de séchage spécifique
Quantification des composantes d'incertitude utilisée. Les estimations de l'incertitude typique qui en
résulte figurent dans le tableau ci-dessous (sous forme
Les expériences de laboratoire ont montré que la
d'incertitudes type) (Tableau A6.1).
méthode a été réalisée en interne d'une manière qui
justifiait pleinement l'adoption des résultats de
reproductibilité tirés d'une étude interlaboratoire. En
79
Quantification de l’Incertitude Exemple A6
Exemple A6 : Détermination des fibres brutes dans les aliments pour animaux.
Discussion détaillée
A6.1 Introduction
Le terme de fibres brutes est défini dans la portée de la vi) Noter le poids sec du résidu ;
méthode comme étant la quantité de substances vii) Réduire en cendres à une température fixée
organiques dépourvues de matières grasses qui sont jusqu’à « poids constant » (ce que l'on obtient en
insolubles dans des milieux acides et alcalins. La pratique en réalisant une réduction en cendres
procédure est normalisée et ses résultats utilisés pendant une durée déterminée après des études
directement. Les changements apportés à la procédure internes) ;
modifient le mesurande ; c'est en fait un exemple de
viii) Peser le résidu réduit en cendres et calculer la
méthode définie de façon opérationnelle (empirique).
teneur en fibres par différence, après soustraction
Des résultats d'essais interlaboratoires (répétabilité et du poids du résidu observé pour le creuset de
reproductibilité) étaient disponibles pour cette méthode blanc.
réglementaire. Les expériences de fidélité décrites
avaient été conçues dans le cadre de l'évaluation Mesurande
interne des performances de la méthode. Il n'existe pas
La concentration en fibres exprimée sous forme d'un
pour cette méthode de matériau de référence approprié
pourcentage de l'échantillon par unité de poids, Cfibre,
(c'est-à-dire certifié par la même méthode).
est donnée par :
A6.2 Etape 1 : Définition du mesurande
Cfibre =
(b − c ) × 100
Une description exhaustive des différentes étapes de la a
méthode analytique et l'équation du mesurande
permettent de définir au mieux le mesurande. où :
a est la masse (g) de l'échantillon.
Procédure Approximativement 1 g d'échantillon est prélevé
La procédure, qui comprend une procédure de à des fins d'analyse ;
digestion complexe, une filtration, un séchage, une b est la perte de masse (g) après réduction en
réduction en cendres et une pesée, qui est aussi répétée cendres pendant la détermination ;
pour un creuset témoin de blanc, est résumée sur la c est la perte de masse (g) après réduction en
Figure A6.2. L'objectif est de digérer la majorité des cendres lors de l'essai témoin.
composants, en ne prenant pas en compte toutes les
matières qui n'ont pas été digérées. La matière A6.3 Etape 2 : Identification et analyse des
organique est réduite en cendres, laissant place à un sources d'incertitude
résidu minéral. La différence entre le poids sec du
résidu organique / minéral et le poids du résidu réduit Un éventail de sources d'incertitudes a été identifié.
en cendres est la « teneur en fibres ». Les principales Celles-ci sont présentées dans le diagramme des causes
étapes sont : et des effets établi pour la méthode (voir la Figure
A6.). Ce diagramme a été simplifié pour supprimer les
i) Broyer l'échantillon pour le faire passer sur un mesures réalisées en duplicat en suivant les procédures
tamis de 1mm ; de l’Annexe D ; cette mesure, ainsi que la suppression
ii) Peser 1 g d'échantillon dans un creuset des composantes insignifiantes (notamment
préalablement pesé ; l’étalonnage et la linéarité de la balance), conduit au
iii) Ajouter un ensemble de réactifs assurant une diagramme simplifié des causes et des effets sur la
digestion acide aux concentrations et aux volumes Figure A6.10.
fixés. Porter à ébullition pendant une durée fixée Puisque des données issues d’études inter-laboratoires
et normalisée, filtrer et laver le résidu ; ou réalisées en interne étaient disponibles, leur
iv) Ajouter les réactifs assurant la digestion alcaline utilisation est étroitement liée à l'évaluation des
et porter à ébullition pendant le temps nécessaire, différentes contributions à l'incertitude et fait l'objet
filtrer, laver et rincer à l'acétone ; d'une discussion ci-après.
v) Sécher jusqu’à poids constant à une température A6.4 Etape 3 : Quantification des composantes
normalisée (l'expression « poids constant » n'est de l'incertitude
pas définie dans la méthode publiée; les autres
conditions de séchage comme la circulation d'air Résultats des essais interlaboratoires
ou le degré de dispersion du résidu ne le sont pas La méthode a fait l'objet d'un essai interlaboratoire.
non plus) ; Cinq aliments différents pour animaux représentatifs
80
Quantification de l’Incertitude Exemple A6
des concentrations typiques en fibres et en lipides ont similaires à celles des échantillons analysés dans l'essai
été analysés dans l'essai. Les laboratoires participant à interlaboratoire. Les résultats sont résumés dans le
l'essai ont effectué toutes les étapes de la méthode, y Tableau A6.2. Chaque estimation de la répétabilité
compris le broyage des échantillons. Les estimations de interne est basée sur 5 réplicats.
la répétabilité et de la reproductibilité obtenues à partir
Les estimations de la répétabilité obtenues en interne
de l'essai sont présentées dans le Tableau A6.2.
étaient comparables à celles obtenues via l'essai
Au titre de l'évaluation interne de la méthode, des interlaboratoires. Ceci indique que la fidélité de la
expériences étaient prévues pour évaluer la répétabilité méthode dans ce laboratoire particulier est similaire à
(fidélité au sein d'un même lot) dans le cas d’aliments celle des laboratoires qui participaient à l'essai. Il est
pour animaux ayant des concentrations en fibres donc acceptable de se servir de l'écart-type de la
81
Quantification de l’Incertitude Exemple A6
reproductibilité tirée de l'essai interlaboratoires dans le et de la durée de la digestion alcaline ont été étudiés
budget d’incertitude de la méthode. Pour compléter ce dans des articles publiés précédemment. Dans ces
budget d’incertitudes nous devons envisager s'il n'y a études, l'effet des variations du paramètre sur le résultat
pas d'autres effets qui ne seraient pas couverts par de l'analyse avait été évalué. Pour chaque paramètre, le
l'essai interlaboratoires et qui devraient être pris en coefficient de sensibilité (c'est-à-dire le taux de
compte. L'essai interlaboratoires portait sur différentes variation du résultat final en fonction des variations
matrices d'échantillons et sur le traitement préalable apportées au paramètre) et l'incertitude sur le paramètre
des échantillons, puisque les laboratoires participants avaient été calculés.
recevaient des échantillons qui devaient être broyés
Les incertitudes données dans le Tableau A6.3 sont
avant analyse. Les incertitudes associées aux effets de
faibles comparées aux résultats de reproductibilité
matrices et au traitement préalable des échantillons ne
présentés dans le Tableau A6.2. Par exemple, l'écart-
nécessitent par conséquent aucune considétation
type de reproductibilité pour un échantillon contenant
supplémentaire. D'autres paramètres qui affectent le
2,3 % m/m de fibres est égal à 0,293 % m/m.
résultat concernent les conditions d'extraction et de
L'incertitude associée aux variations de la durée de la
séchage utilisées dans la méthode. Bien que l’écart-
digestion acide est estimée à 0,021 % m/m (c'est-à-dire,
type de la reproductibilité comprend normalement les
effets résultant de la variation de ces paramètres, ces 2,3 × 0,009). Nous pouvons donc négliger sans risque
derniers avaient été étudiés séparément dans le but de les incertitudes associées aux variations de ces
s'assurer que le biais des laboratoires était maîtrisé paramètres de la méthode.
(c'est-à-dire faible comparé à l'écart-type de la Température et durée du séchage
reproductibilité). Les paramètres envisagés sont
discutés ci-dessous. Il n'existe aucune donnée à ce sujet. La méthode stipule
qu’il convient de sécher l'échantillon à 130 °C « à
Perte de masse lors de la réduction en cendres poids constant ». Dans ce cas l'échantillon est séché
Comme il n'existe pas de matériau de référence pendant 3 heures à 130 °C et pesé dans un second
approprié pour cette méthode, il faut évaluer le biais temps. Il est alors séché pendant une heure
interne en considérant les incertitudes associées à supplémentaire puis à nouveau pesé. L'expression « à
chaque étape de la méthode. Plusieurs facteurs poids constant » est définie dans ce laboratoire comme
contribueront à l'incertitude associée à la perte de une variation inférieure à 2 mg entre des pesées
masse après la réduction en cendres : successives. Dans une étude interne, des échantillons
dupliqués issus de quatre aliments pour animaux ont
Concentration d'acide ; été séchés à 110, 130 et 150 °C et pesés après 3 et 4
Concentration de base ; heures de séchage. Dans la majorité des cas, la
variation du poids entre les séchages de 3 et 4 heures
Durée de la digestion acide ;
était inférieure à 2 mg, et ce à chaque température de
Durée de la digestion alcaline ; séchage. Cette variation avait par conséquent été
Température et durée du séchage ; considérée comme l'estimation de l'incertitude du pire
Température et durée de la réduction en cendres. des cas sur la variation du poids lors du séchage.
L'intervalle de ± 2 mg décrit une distribution
Concentrations des réactifs et durées des digestions rectangulaire, qui est convertit en incertitude type en
Les effets de la concentration d'acide, de la divisant par √3. L'incertitude sur le poids enregistré
concentration de base, de la durée de la digestion acide après séchage à poids constant est par conséquent de
82
Quantification de l’Incertitude Exemple A6
Concentration d'acide 0.23 (mol l-1)-1 0.0013 mol l-1 Note 2 0.00030
-1 -1 -1 Note 2
Concentration de base 0.21 (mol l ) 0.0023 mol l 0.00048
Durée de la digestion acide 0.0031 min-1 2.89 mins Note 3 0.0090
-1 Note 3
Durée de la digestion alcaline 0.0025 min 2.89 mins 0.0072
Remarque 1 : Les coefficients de sensibilité avaient été estimés en traçant une courbe des variations normalisées de
la teneur en fibres en fonction de la force du réactif ou de la durée de la digestion. Ensuite on s'est servi d'une
régression linéaire pour calculer le taux de variation du résultat de l'analyse associé aux modifications du paramètre.
Remarque 2 : Les incertitudes types sur les concentrations des solutions d'acide et de base avaient été calculées à
partir des estimations de la fidélité et de l'exactitude de la verrerie volumétrique utilisée pendant leur préparation,
des effets de la température etc. Voir les exemples A1-A3 pour consulter d'autres exemples de calculs des
incertitudes pour les concentrations des solutions.
Remarque 3 : La méthode spécifie une durée de digestion de 30 minutes. La durée de digestion est contrôlée à ± 5
minutes près. C'est une distribution rectangulaire que l'on convertit en incertitude type en divisant par √3.
Remarque 4 : Le calcul de l'incertitude sur le résultat final, en tant qu’écart-type relatif, est obtenu en multipliant le
coefficient de sensibilité par l'incertitude sur le paramètre.
0,00115 g. La méthode spécifie un poids d'échantillon Perte de masse après réduction en cendres du blanc
égal à 1 g. Pour un échantillon de 1 g, l'incertitude sur
Pour ce paramètre, il n'existait pas de données
le poids après séchage à poids constant correspond à
expérimentales. Toutefois, les incertitudes sont
une incertitude type de 0,115 % m/m sur la
principalement dues à la pesée. Les effets des
concentration en fibres. Cette source d'incertitude ne
variations sur ce paramètre sont donc probablement
dépend pas de la concentration en fibres de
faibles et bien représentées dans l’étude
l'échantillon. Pour chaque échantillon il y aura donc
interlaboratoire.
une contribution fixe de 0,115 % m/m au budget
d’incertitudes, indépendamment de la concentration en A6.5 Etape 4 : Calcul de l'incertitude type
fibres dans l'échantillon. Pour toutes les concentrations composée
de fibres, cette incertitude est plus faible que l'écart-
type de reproductibilité et pour toutes les C'est un exemple de méthode empirique pour laquelle
concentrations de fibres sauf les plus faibles, elle est on disposait des résultats d'un essai interlaboratoires.
inférieure à 1/3 de la valeur sR. De nouveau, cette La répétabilité interne a été évaluée et trouvée similaire
source d'incertitude peut être habituellement négligée. à celle que prévoyait l'essai interlaboratoires. Il
Toutefois pour des concentrations faibles en fibres, convient par conséquent d'employer les valeurs de sR
cette incertitude est supérieure à 1/3 de la valeur sR, si provenant de l'essai interlaboratoires, à condition que le
bien qu'il faut introduire un terme supplémentaire dans biais du laboratoire soit sous contrôle. La discussion
le décompte de l'incertitude (voir Tableau A6.4). présentée dans l'étape 3 amène à la conclusion suivante
: à l'exception de l'effet des conditions de séchage aux
Température et durée de la réduction en cendres faibles concentrations de fibres, les autres sources
La méthode requiert de réduire l'échantillon en cendres d'incertitude identifiées dans le diagramme des causes
entre 475 et 500 °C pendant au moins 30 minutes. Une et effets sont toutes faibles comparativement à sR. Dans
étude publiée portant sur l'effet des conditions de la des cas tels que celui-ci, l'estimation de l'incertitude
réduction en cendres a consisté à déterminer la peut être fondée sur l'écart-type de reproductibilité, sR,
concentration en fibres pour plusieurs combinaisons obtenu à partir de l'essai interlaboratoires. Pour des
température/durée de la réduction en cendres, allant de échantillons ayant une concentration en fibres de
450 °C pendant 30 minutes à 650 °C pendant 3 heures. 2,5 % m/m, un terme supplémentaire a été introduit
Il n'a pas été observé de différence significative entre afin de prendre en compte l'incertitude associée aux
les concentrations en fibres obtenues pour les conditions de séchage.
différentes conditions. L'effet sur le résultat final de
faibles variations dans la température et la durée de la
réduction en cendres peut donc être considéré comme
négligeable.
83
Quantification de l’Incertitude Exemple A6
84
Quantification de l’Incertitude Exemple A6
Figure A6.9 : Diagramme des causes et des effets permettant de déterminer les fibres dans les aliments pour animaux
Perte de masse après réduction en cendres du blanc (c) Masse d'échantillon (a) Fidélité
85
Quantification de l’Incertitude Exemple A6
Figure A6.10 : Diagramme simplifié des causes et des effets
pesée
Fibres
Brutes (%)
Tempé. réduction Temps réduction
86
Quantification de l’Incertitude Exemple A7
A7.1 Introduction
Cet exemple illustre comment le concept d'incertitude l'équation (2).
peut être appliqué à une mesure de la teneur en plomb Rcertifié
d’un échantillon d'eau à l'aide de la Spectrométrie de K = K 0 + K biais ; où K 0 = (2)
Masse avec Dilution Isotopique (IDMS) et de la Robservé
Spectrométrie de Masse par Plasma à Couplage Inductif
où K0 est le facteur de correction pour le
(ICP-MS).
fractionnement isotopique au temps 0, Kbiais est un
Introduction générale à la double IDMS facteur de biais prenant effet dès que le facteur K est
appliqué pour corriger un rapport isotopique mesuré à
L’IDMS est une des techniques reconnue par le Comité
un moment différent pendant la mesure. Le Kbiais
Consultatif pour la Quantité de Matière (CCQM)
comprend aussi d'autres sources éventuelles de biais
comme susceptible d'être une méthode primaire de
telle qu'une correction sur le temps mort du
mesure et pour laquelle il existe par conséquent une
multiplicateur, des effets de matrices, … Rcertifié est le
expression bien définie qui décrit le calcul du
rapport isotopique certifié tiré du certificat d'un
mesurande. Dans le cas le plus simple de la dilution
matériau de référence isotopique et Robservé est la valeur
isotopique qui consiste à utiliser un « spike » certifié
observée de ce matériau de référence isotopique. Dans
(matériau de référence isotopiquement enrichi), les
des expériences d'IDMS réalisées à l'aide de la
rapports isotopiques dans le spike, l’échantillon et un
Spectrométrie de Masse Induite par un Plasma (ICP-
mélange b de masses connues de l’échantillon et du
MS), le fractionnement isotopique varie en fonction du
spike sont mesurés. Le terme « spike » qui désigne
temps ce qui oblige à corriger individuellement tous les
donc l’étalon enrichi sur un isotope, sera conservé
rapports isotopiques dans l'équation (1).
dans le texte pour plus de clarté (NdT).
Bien souvent, un matériau certifié enrichi selon un
La concentration cx de l'élément dans l'échantillon est
isotope spécifique n'existe pas. Pour résoudre ce
donnée par :
problème, on a souvent recours à la « double » IDMS.
m y K y1 ⋅ R y1 − K b ⋅ Rb ∑
(K xi ⋅ Rxi ) La procédure consiste à utiliser un spike moins bien
caractérisé, associé à un matériau certifié (indiqué par
cx = cy ⋅ ⋅ ⋅
m x K b ⋅ Rb − K x1 ⋅ Rx1 ∑ (K yi ⋅ R yi )
i
z) ayant une composition isotopique naturelle. Le
i matériau certifié de composition naturelle joue le rôle
(1) d'étalon du premier dosage. On se sert de deux
mélanges; le mélange b est un mélange d'échantillon et
où cx et cy sont respectivement les concentrations de de spike, comme dans l'équation (1). Pour réaliser une
l'élément dans l'échantillon et le spike (le symbole c est double IDMS, on prépare un second mélange, b’ à
employé ici au lieu de k pour la concentration1 pour partir de l'étalon du premier dosage à la concentration
éviter toute confusion avec les facteurs K et les cz, et du spike y. On obtient une expression similaire à
facteurs d'élargissement k). mx et my sont l'équation (1) :
respectivement les masses de l'échantillon et du spike.
Rx, Ry et Rb sont les rapports isotopiques. Les indices x, m ' y K y1 ⋅ R y1 − K ' b ⋅ R ' b ∑
(K zi ⋅ Rzi )
cz = c y ⋅ ⋅ ⋅ i
y et b représentent respectivement l'échantillon, le
spike et le mélange. Un isotope, habituellement le plus
( )
mz K ' b ⋅R ' b − K z1 ⋅ R z1 ∑ K yi ⋅ R yi
i
abondant dans l'échantillon, est choisi et tous les (3)
rapports isotopiques sont exprimés par rapport à celui-
ci. Une paire particulière d'isotopes, l'isotope de où cz est la concentration de l’élément dans la solution
référence et de préférence l'isotope le plus abondant d'étalon du premier dosage et mz la masse de l'étalon du
dans le spike, est ensuite choisie comme rapport de premier dosage lors de la préparation du nouveau
contrôle, par exemple n(208Pb) / n206Pb). Rxi et Ryi sont mélange. m’y est la masse de la solution de spike
tous les rapports isotopiques possibles respectivement enrichi, K’b, R’b, Kz1 et Rz1 sont respectivement le
dans l'échantillon et le spike. Pour l'isotope de facteur K et la rapport isotopique pour le nouveau
référence, ce rapport est égal à l’unité. Kxi, Kyi et Kb mélange et l'étalon du dosage. L'indice z représente
sont les facteurs de correction pour le fractionnement l'étalon du dosage.
isotopique pour un rapport isotopique particulier
respectivement dans l'échantillon, le spike et le
mélange. Les facteurs K sont mesurés à l'aide d'un
matériau de référence certifié en isotopie selon
87
Quantification de l’Incertitude Exemple A7
Le fait de diviser l'équation (1) avec l'équation (3) R3 = n(207Pb) / n(206Pb) R4 = n(204Pb) / n(206Pb)
donne :
Pour référence, les paramètres sont résumés dans le
m y K y1 ⋅ Ry1 − K b ⋅ Rb ∑ (K xi ⋅ Rxi ) Tableau A7.1.
cy ⋅ ⋅ ⋅
∑ (K ⋅ R yi )
i
m x K b ⋅ Rb − K x1 ⋅ Rx1 yi
A7.2 Etape 1 : Spécification
cx
= i
∑ (K ⋅ Rzi )
La procédure générale pour les mesures est indiquée
cz
m' y K y1 ⋅ Ry1 − K ' b ⋅R ' b zi dans le Tableau A7.2. Les calculs et les mesures
cy ⋅ ⋅ ⋅
∑ (K ⋅ Ryi )
i
nécessaires sont décrits ci-dessous.
mz K ' b ⋅R ' b − K z1 ⋅ Rz1 yi
i Procédure de calcul pour la concentration cx
(4) Pour cette détermination du plomb dans l'eau, quatre
En simplifiant cette équation et en introduisant un mélanges pour b’ (dosage + spike) et b (échantillon +
blanc de procédure, cblanc, nous obtenons : spike) ont été préparés. Cela donne un total de 4
valeurs pour cx. Une de ces déterminations sera décrite
my m z K y1 ⋅ R y1 − K b ⋅ Rb en détail. La valeur reportée pour cx sera la moyenne
cx = cz ⋅ ⋅ ⋅
mx m' y K b ⋅ Rb − K x1 ⋅ Rx1 des quatre réplicats de l'échantillon.
(K xi ⋅ Rxi )
K ' b ⋅R' b − K z1 ⋅ Rz1 ∑
× ⋅ i − c blank
K y1 ⋅ R y1 − K ' b ⋅R' b ∑ (K zi ⋅ Rzi )
i
(5)
Il s’agit de l'équation finale, de laquelle cy a été
supprimée. Dans cette mesure, l'indice numérique des
rapports isotopiques R, représente rapports isotopiques
suivants :
R1 = n(208Pb) / n(206Pb) R2 = n(206Pb) / n(206Pb)
88
Quantification de l’Incertitude Exemple A7
Tableau A7.2. Procédure générale facteur K0 est mesuré avant et après le rapport qu'il
corrigera. Une séquence typique d’échantillons est : 1.
Etape Description (blanc), 2. (NIST SRM 981), 3. (blanc), 4. (mélange 1),
1 Préparer la solution de l'étalon 5. (blanc), 6. (NIST SRM 981), 7. (blanc),
primaire 8. (échantillon), etc.
2 Préparation des mélanges : b’ et b Les mesures de blancs ne sont pas seulement utilisées
3 Mesure des rapports isotopiques pour effectuer une correction de blancs, mais elles sont
également utilisées pour contrôler le nombre de coups
4 Calcul de la concentration de Pb
présente dans l'échantillon, cx
5 Estimer l'incertitude sur cx Tableau A7.4
cx (µmol g-1)
Essai N° 1 0.053738
Calcul de la masse molaire (notre exemple)
En raison des variations naturelles dans la composition Essai N° 2 0.053621
isotopique de certains éléments, par exemple le Pb, il Essai N° 3 0.053610
est nécessaire de déterminer la masse molaire, M, pour Essai N° 4 0.053822
l'étalon du premier dosage puisque celle-ci affectera la Moyenne 0.05370
concentration cz. Remarquez que ce n’est pas le cas Ecart-type expérimental (s) 0.0001
lorsque cz est exprimée en mol.g-1. La masse molaire,
M(E), pour un élément E, est numériquement égale à la émis pour le blanc. Aucune nouvelle série de mesures
masse atomique de l'élément E, Ar(E). Le masse n'est lancée tant que le comptage du blanc n’est pas
atomique peut être calculé selon l'expression générale : stable et revenu à un niveau normal. Remarquez que
∑ R ⋅ M ( E)
p
i l'échantillon, les mélanges, le spike et les étalons du
i dosage étaient dilués à une concentration appropriée
i =1
Ar (E ) = p
(6) avant d'effectuer les mesures. Les résultats des mesures
∑ Ri
i =1
de rapport isotopiques, des facteurs K0 calculés et du
Kbiais sont résumés dans le Tableau A7.8.
où les valeurs Ri correspondent aux rapport isotopiques Préparation de l'étalon du premier dosage et calcul de
théoriques pour l'élément E et M(iE) aux masses la concentration, cz.
tabulées des nucléides.
Deux étalons ont été préparés pour le premier dosage,
Remarquez que les rapports isotopiques dans l'équation chacun à partir d'une pièce de plomb métallique
(6) doivent être des rapport isotopiques absolus, c'est-à- différente ayant une pureté chimique de w = 99,999 %.
dire qu'ils doivent être corrigés du fractionnement Les deux pièces provenaient du même lot de plomb de
isotopique. Avec l'emploi des indices corrects, on pureté élevée. Les pièces ont été dissoutes dans 10 mL
obtient l'équation (7). Pour le calcul, les masses des environ d'un mélange HNO3/eau en proportion 1:3
nucléides, M(iE), ont été extraites de la littérature2, m/m sous chauffage modéré, avant nouvelle dilution.
tandis que les rapport isotopiques, Rzi, et les facteurs Deux mélanges ont été préparés à partir de chacun de
K0, K0(zi), ont été mesurés (voir Tableau A7.8). Ces ces deux étalons de dosage. Les valeurs de l'un des
valeurs donnent : dosages sont décrites ci-après.
( )
p
89
Quantification de l’Incertitude Exemple A7
Tableau A7.3
Mélange b b’
Solutions Spike Echantillon Spike Etalon Calcul de la concentration inconnue cx
utilisées fille 2
Paramètre my mx m’y mz En introduisant les données mesurées et calculées
(Tableau A7.8) dans l'équation (5), on obtient cx =
Masse (g) 1.1360 1.0440 1.0654 1.1029 0,053738 µmol.g-1. Les résultats obtenus sur les quatre
prises d’essais sont donnés dans le Tableau A7.4.
La fraction massique du spike est à peu près égale à
20µg de Pb par g de solution et la fraction massique de A7.3 Etapes 2 et 3 : Identification et
Pb dans l'échantillon du même ordre. Le Tableau A7.3
quantification des sources d'incertitude
indique les masses pesées pour les deux mélanges
utilisés dans cet exemple. Stratégie pour le calcul de l'incertitude
Mesure du blanc de la procédure cblanc S'il fallait inclure les équations (2), (7) et (8) dans
l'équation finale de l'IDMS (5), le nombre de
Dans ce cas, le blanc de la procédure était mesuré à
paramètres rendrait l'équation inexploitable. Afin de la
l'aide d'un étalonnage externe. Une procédure plus
simplifier, les facteurs K0, la concentration de la
complète consisterait à ajouter un spike enrichi au
solution Etalon fille 2 et leurs incertitudes associées
blanc et de le traiter de la même manière que les
sont traités de façon séparée et introduits ensuite dans
échantillons. Dans cet exemple, seuls des réactifs de
l'équation d'IDMS (5). Dans ce cas l'incertitude finale
pureté élevée ont été utilisés, ce qui aurait donné lieu à
composée de cx n'est pas affectée et il est recommandé
des rapport isotopiques extrêmes dans les mélanges et
de simplifier de cette façon pour des raisons pratiques.
donc à peu de fiabilité pour la procédure de dopage en
isotope enrichi. Le blanc de procédure étalonné par Pour calculer l'incertitude type composée, uc(cx), on se
étalonnage externe a été mesuré quatre fois et cblanc servira des valeurs issues d'une des mesures, comme
évaluée à 4,5×10-7 µmol.g-1, avec une incertitude type cela est décrit dans le tableau A7.2. L'incertitude
de 4,0×10-7 µmol.g-1 évaluée en tant que type A. composée de cx sera calculée à l'aide de la méthode du
tableur décrite en Annexe E.
Incertitude sur les facteurs K
Tableau A7.5
i) Incertitude surK0
Valeur Incertitude Type
type Remarque 1 K est calculé selon l'équation (2) et à l'aide des valeurs
de Kx1, comme l’exemple donne pour K0 :
Kbiais(zi) 0 0.001 B
Rcertifié 2.1681
Rz1 2.1429 0.0054 A K 0 ( x1) = = = 0.9992 (9)
Robservé 2.1699
K0(z1) 0.9989 0.0025 A
Pour calculer l'incertitude sur K0, nous avons d'abord
K0(z3) 0.9993 0.0035 A consulté le certificat où le rapport isotopique certifié,
K0(z4) 1.0002 0.0060 A 2,1681, a une incertitude déclarée à 0,0008 pour un
intervalle de confiance à 95 %. Pour convertir une
Rz2 1 0 A incertitude basée sur un intervalle de confiance à 95 %
en une incertitude type nous divisons par 2. On obtient
Rz3 0.9147 0.0032 A
une incertitude type égale à u(Rcertifié) = 0,0004. Le
Rz4 0.05870 0.00035 A rapport isotopique observé, Robservé = n(208Pb) / n(206Pb),
a une incertitude type de 0,0025 (en tant que RSD).
M1 207.976636 0.000003 B
Pour le facteur K, il est possible de calculer
M2 205.974449 0.000003 B l'incertitude composée comme étant :
M3 206.975880 0.000003 B 2
u c ( K 0 ( x1)) 0.0004
= + (0.0025)
2
M4 203.973028 0.000003 B
K 0 ( x1) 2.1681
Remarque 1 : Type A (évaluation statistique) ou Type B (autre)
= 0.002507
(10)
Ceci montre clairement que les contributions à
l'incertitude des rapport isotopiques certifiés sont
négligeables. Dès lors, les incertitudes sur les rapports
90
Quantification de l’Incertitude Exemple A7
91
Quantification de l’Incertitude Exemple A7
Tableau A7.7 valeur est alors nettement plus élevée que l'écart-type
expérimental de 0,00010 µmol.g-1, voir Tableau A7.7.
Essai 1 Moyenne des essais 1-4 Ceci indique que l'écart-type expérimental est couvert
cx = 0,05374 cx = 0,05370 µmol g-1 par les contributions des incertitudes évaluées de type
A et qu'il est inutile d'envisager d'autres contributions
uc(cx) = 0,00018 S = 0,00010 Remarque 1 µmol g-1
d'incertitude évaluées de type A, dues à la préparation
Remarque 1 : C'est l'incertitude type expérimentale et non des mélanges. Il pourrait y avoir toutefois un biais
l'écart-type de la moyenne. associé aux préparations des mélanges. Dans cet
exemple, un biais éventuel sur la préparation des
Dans la pratique de l'IDMS et de nombreuses analyses mélanges est jugé insignifiant comparativement aux
peu courantes, un contrôle statistique complet de la principales sources d'incertitude.
procédure de mesure exigerait des ressources et un
temps illimités. Une bonne manière de vérifier si une La teneur de plomb dans l'échantillon d'eau est alors :
source d'incertitude a été oubliée consiste à comparer cx = (0.05370 ± 0.00036) µmol.g-1
les incertitudes des évaluations de type A avec l'écart-
type expérimental des quatre réplicats. Si l'écart-type Le résultat est présenté avec une incertitude élargie
expérimental est supérieur aux contributions résultant pour un facteur d'élargissement égal à 2.
des sources d'incertitude évaluées comme de type A,
cela pourrait indiquer que le processus de la mesure Références pour l'Exemple 7
n'est pas totalement maîtrisé. En approximation, en se
1. T. Cvitaš, Metrologia, 1996, 33, 35-39
servant des données tirées du Tableau A7.8, on peut
2 G. Audi and A.H. Wapstra, Nuclear Physics, A565
calculer la somme des incertitudes expérimentales de
(1993)
type A évaluées en prenant 92,2 % de l'incertitude
expérimentale totale, valant 0,00041 µmol.g-1. Cette
92
Quantification de l’Incertitude Exemple A7
Tableau A7.8
Paramètre Evaluation de valeur Incertitude Contribution à Incertitude Contribution à
l'incertitude expérimentale uc(%) totale finale uc(%) totale
(Remarque 1) (Remarque 2)
93
Quantification de l’Incertitude Exemple A7
94
Quantification de l’Incertitude Annexe B - Définitions
Annexe B - Définitions
Généralités
B.1 Fidélité dérivée » telle que la vitesse (la longueur divisée
par le temps).
Etroitesse d’accord entre des résultats d’essais * La présente NOTE remplace la NOTE 2 de l’ISO 3534-2.
indépendants obtenus dans des conditions stipulées
[H.8]. B.3 Grandeur d’influence
NOTE 1 : La fidélité dépend uniquement de la distribution
des erreurs aléatoires et n’a aucune relation avec la
Grandeur qui, lors d’un mesurage direct,
valeur vraie ou spécifiée. n’a pas d’effet sur la grandeur mesurée,
NOTE 2 : La mesure de fidélité est généralement exprimée mais a un effet sur la relation entre
en termes d'infidélité et est calculée à partir de l’indication et le résultat de mesure [H.7].
l’écart-type des résultats d’essai Une fidélité
moindre est reflétée par un plus grand écart-type. EXEMPLES
NOTE 3 : Le terme « Résultats d'essais indépendants » 1. Fréquence lors du mesurage direct de l’amplitude
signifie des résultats obtenus d’une façon non constante d'un courant alternatif au moyen d’un
influencée par un résultat précédent sur le même ampèremètre ;
matériau d’essai ou simimlaire. Les mesures
quantitatives de la fidélité dépendent de façon 2. Concentration en quantité de matière de
critique des conditions stipulées. Les conditions de bilirubine lors du mesurage direct de la
répétabilité et de reproductibilité sont des concentration en quantité de matière d’hémoglobine
ensembles particuliers de conditions extrêmes. dans le plasma sanguin humain.
3. Température d’un micromètre lors du mesurage
B.2 Valeur vraie de la longueur d’une tige, mais pas la température
de la tige elle-même qui peut entrer dans la
Valeur qui caractérise une grandeur ou définition du mesurange.
une caractéristique quantitative 4. Pression ambiante dans la source d’ions d’un
parfaitement définie dans les conditions spectromètre de masse lors du mesurage d’une
fraction molaire.
existant lorsque cette grandeur ou
caractéristique quantitative est considérée NOTE 1 : Un mesurage indirect implique une combinaison
de mesurages directs, sur chacun desquels des
[H.8]. grandeurs d’influence peuvent avoir un effet.
NOTE 1 : La « valeur vraie » d’une grandeur ou d’une NOTE 2 : Dans le GUM, le concept « grandeur
caractéristique quantitative est une notion d’influence » est défini comme dans la deuxième
théorique et, en général, ne peut pas être connue édition du VIM, de façon à comprendre non
exactement. seulement les grandeurs qui ont un effet sur le
NOTE 2* : Pour une explication du terme « grandeur », système de mesure, comme dans la définition ci-
l’ISO 3534-2 se rapporte à la NOTE 1 de l’ISO dessus, mais aussi celles qui ont un effet sur les
3534-2 paragraphe 3.2.1. qui stipule que « Dans grandeurs effectivement mesurées. En outre, le
cette définition, une grandeur correspond soit à une concept n’y est pas limité aux mesurages directs.
« grandeur de base », telles que la masse, la
longueur et le temps, ou bien une « grandeur
95
Quantification de l’Incertitude Annexe B - Définitions
96
Quantification de l’Incertitude Annexe B - Définitions
NOTE 2 : Pour associer un niveau spécifique de confiance constante ou varie de façon prévisible
à l'intervalle défini par les incertitudes étendues, il
faut disposer d'hypothèses explicites ou implicites [H.7].
concernant la distribution de la probabilité NOTE : Voir la référence H.5 pour l’ensemble des
caractérisée par le résultat de la mesure et son remarques et une analyse détaillée du terme
incertitude type composée. Le niveau de confiance « erreur de mesurage » et des termes associés.
que l'on peut attribuer à cet intervalle ne peut être
connu que dans la mesure où ces hypothèses
peuvent être justifiées.
NOTE 3 : Une incertitude élargie U est calculée à partir Termes statistiques
d'une incertitude type composée uc et d'un facteur
d'élargissement k à l'aide de l'expression
B.19 Moyenne arithmétique
U = k × uc x Valeur de la moyenne arithmétique d'un
échantillon de n résultats.
B.13 Facteur d'élargissement ∑x
i =1, n
i
97
Quantification de l’Incertitude Annexe C – Incertitudes dans les processus analytiques
98
Quantification de l’Incertitude Annexe D – Analyse des sources d’incertitude
99
Quantification de l’Incertitude Annexe D – Analyse des sources d’incertitude
D.4 Exemple Figure D1: Liste initiale
D.4.1 On illustre la procédure en se référant à une
mesure directe simplifiée de la densité. Envisager le m(globale m(tare)
cas d'une détermination directe de la densité d(EtOH) )
Température
Lin*. Biais
de l'éthanol qui consiste à peser un volume connu V Température
Lin*. Biais étalonnage
Fidélité
dans un récipient volumétrique approprié ayant un
Fidélité étalonnage
poids de tare mtare et un poids global incluant l'éthanol d(EtOH)
mglobal. La densité se calcule à partir de : Fidélité
étalonnage
d(EtOH) = (mglobale - mtare)/V
Pour des raisons de clarté, seuls trois effets seront Volume *Lin. =Linéarité
envisagés : Etalonnage du matériel, Température, et la
fidélité de chaque détermination. Les Figures D1-D3
illustrent graphiquement le processus.
Figure D2: Combinaison d'effets similaires
D.4.2 Un diagramme des causes et des effets se
compose d'une structure hiérarchique conduisant à un
résultat unique. Pour le présent objectif, ce résultat est Température m(globale m(tare)
un résultat analytique particulier (d(EtOH) sur la ) Lin. Biais
Température
Figure D1). Les « flèches » conduisant au résultat sont Température Lin. Bias
Fidélité
étalonnage
les effets contributifs, lesquels englobent à la fois les Fidélité étalonnage
résultats de mesures intermédiaires particulières et d(EtOH)
d'autres facteurs, comme les effets environnementaux Fidélité
étalonnage
ou de matrice. Chaque flèche peut également avoir à
son tour d'autres effets contributifs. Ces « effets » Volume Fidélité
étalonnage
D.4.4 La Figure D2 présente les effets de la fidélité et
de la température chacun étant regroupé selon la Volume Fidélité
seconde règle (même effet/moment) ; La température
peut être traitée comme un effet unique sur la densité,
tandis que les variations distinctes survenant dans
chaque détermination contribuent à une variation
observée lorsque l'on réitère la méthode complète.
100
Quantification de l’Incertitude Annexe E – Procédures statistiques
Distribution triangulaire
Forme A utiliser quand : Incertitude
Distribution normale
Forme A utiliser quand : Incertitude
Une estimation est faite à partir des u ( x) = s
observations répétées d'un processus variant
de manière aléatoire.
• Une incertitude est donnée sous la forme d'un u ( x) = s
écart-type s, d'un écart-type relatif s / x ou u(x) = x⋅( s / x)
2σ d'un écart-type % RSD sans spécifier la CV %
distribution. u ( x) = ⋅x
100
• Une incertitude est donnée sous la forme d'un u(x) = c /2
intervalle de confiance à 95 % (ou autre) x ± c (pour c à 95 %)
sans spécification sur la distribution. u(x) = c/3
(pour c à 99.7 %)
x
101
Quantification de l’Incertitude Annexe E – Procédures statistiques
102
Quantification de l’Incertitude Annexe E – Procédures statistiques
Figure E2.1
A B C D E
1 u(p) u(q) u(r) u(s)
2
3 p p p P p
4 q q q Q q
5 r r r R r
6 s s s S s
7
8 y = f(p,q,..) y = f(p,q,..) y = f(p,q,..) y = f(p,q,..) Y = f(p,q,..)
9
10
11
Figure E2.2
A B C D E
1 u(p) u(q) u(r) u(s)
2
3 p p + u(p) p P p
4 q q q + u(q) Q q
5 r r r r + u(r) r
6 s s s s s + u(s)
7
8 y = f(p,q,..) y = f(p’,...) y = f(..q’,..) y = f(..r’,..) Y = f(..s’,..)
9 u(y,p) u(y,q) u(y,r) u(y,s)
10
11
Figure E2.3
A B C D E
1 u(p) u(q) u(r) u(s)
2
3 p p + u(p) p P p
4 q q q + u(q) Q q
5 r r r r + u(r) r
6 s s s S s + u(s)
7
8 y = f(p,q,..) y = f(p’,...) y = f(..q’,..) y = f(..r’,..) y = f(..s’,..)
9 u(y,p) u(y,q) u(y,r) u(y,s)
10 u(y) u(y,p)2 u(y,q)2 u(y,r)2 u(y,s)2
11
103
Quantification de l’Incertitude Annexe E – Procédures statistiques
Toute comme dans l’Annexe E.2, la SMC nécessite un Dans la plupart des cas, les méthodes du GUM, de
modèle de mesure décrivant le processus de mesure au Kragten et de SMC donnent des résultats similaires
travers de l’ensemble des facteurs individuels ayant un pour l’incertitude type associée à l’estimation du
effet sur le résultat. Le modèle de mesure peut se mesurande. On peut noter des différences lorsque les
trouver sous la forme d’une équation, tout comme dans distributions ne sont pas Normales et lorsque le résultat
l’Annexe E.2, d’un programme informatique ou d’une de mesure dépend de façon non linéaire d’une ou
fonction qui renvoie le résultat de mesure. De plus, on plusieurs grandeurs d’entrée. Lorsque l’on peut
a besoin des distributions de la probabilité (que l’on observer une non linéarité, l’approche classique du
appelle les fonctions de densité de probabilité ou FDP) GUM donnée en section 8 fonctionne mal. Le GUM
pour les grandeurs d’entrée, telles que les distributions couvre la non-linéarité en étendant le calcul pour
normale, triangulaire ou rectangulaire décrite dans inclure les termes d’ordre plus élevé (de plus amples
l’Annexe E.1. La section 8.1. décrit comment ces FDP détails sont donnés dans la référence H.2). Si c’est le
peuvent être obtenues à partir des informations cas, la méthode de Kragten (Annexe E2) peut permettre
généralement disponibles concernant les grandeurs d’obtenir une estimation plus réaliste de l’incertitude
d’entrée, telles les limites minimale ou maximale ou les que l’équation de premier ordre de la section 8.2.2. car
estimations et les incertitudes types associées. Le GS1 la méthode de Kragten permet de calculer les
fournit également des conseils pour d’autres cas. changements réels du résultat lorsque l’incertitude type
La Simulation de Monte Carlo calcule le résultat s’applique aux grandeurs d’entrée. La méthode de
correspondant à une valeur de chaque grandeur SMC (pour les simulations suffisamment importantes)
d’entrée choisie au hasard à partir des FDP, et répète ce permet d’obtenir une approximation plus précise en
calcul un large nombre de fois (essais), généralement explorant en plus les valeurs extrêmes des distributions
de 105 à 106. Ce processus conduit à un ensemble de d’entrée et de sortie. Lorsqu’une distribution est
résultats simulés qui, dans certaines conditions, largement non-normale, la méthode de Kragten et
correspond à une approximation de la FDP pour la l’approche classique du GUM permettent d’estimer
valeur du mesurande. La valeur moyenne et l’écart- l’incertitude type, alors que la méthode SMC permet
type sont calculés à partir de cet ensemble de résultats d’obtenir une indication de la distribution et donne
simulés. Dans le Supplément 1 du GUM, ces valeurs ainsi une meilleure indication de l’« intervalle élargi »
sont utilisées respectivement en tant qu’estimation du réel que de l’intervalle y±U.
mesurande et incertitude type associée à cette Les principaux inconvénients de la méthode de SMC
estimation. Ce procédé est illustré dans la Figure sont :
E.3.1B et est comparé à la procédure habituelle du • des calculs plus complexes et des temps de
GUM en Figure E.3.1A. La procédure du GUM associe calculs plus longs, notamment si l’on veut
les incertitudes types associées aux estimations des obtenir des intervalles fiables ;
grandeurs d’entrée afin d’obtenir l’incertitude type
associée à l’estimation du mesurande. La procédure du • les incertitudes calculées varient d’un cycle à
Supplément 1 (Figure 1B) utilise les distributions l’autre du fait de la nature volontairement
d’entrée pour calculer une distribution de sortie. aléatoire de la simulation ;
104
Quantification de l’Incertitude Annexe E – Procédures statistiques
• il est difficile d’identifier les contributions les E3.1afin d’obtenir des estimations par SMC. La
plus importantes à l’incertitude combinée sans procédure est illustrée en utilisant l’exemple simple
répéter la simulation. suivant, dans lequel une valeur y est calculée à partir
des valeurs d’entrée a, b et c selon l’équation :
Toutefois, la plupart du temps, l’utilisation des trois a
méthodes (GUM, Kragten et SMC) s’avère utile pour y=
mettre au point une stratégie appropriée car chacune b−c
permet de résoudre différentes parties du problème. Les (Cela peut correspondre, par exemple, à une fraction
différences notables entre les méthodes du GUM et de massique calculée à partir de la masse mesurée a d’un
Kragten indiqueront souvent une non-linéarité notable. analyte et de la masse brute et de la tare,
D’autre part, les différences importantes entre la respectivement b et c). Ces valeurs, les incertitudes
méthode de Kragten ou du GUM et la méthode SMC types et les distributions attribuées de a à c sont listées
peuvent indiquer des écarts importants à la normalité. aux lignes 3 et 4 du Tableau E3.2.
Lorsque les différentes méthodes donnent des résultats Le Tableau E3.2 illustre également la procédure :
sensiblement différents, la raison de ces différences
doit faire l’objet d’une analyse. i) Les valeurs d’entrée et les incertitudes types
associées (ou éventuellement pour les
distributions rectangulaires et triangulaires, la
Table E.3.1 Feuille de calcul pour Simulation demi-étendue d’un intervalle) se trouvent aux
Monte Carlo lignes 3 et 4 du tableur.
ii) Le calcul du résultat y est entré à la ligne 3, à
Distribution Formule pour PDFNote 1 droite de la liste des valeurs d’entrée.
Normale NORMINV(RAND(),x,u) iii) Les formules appropriées pour chaque
distribution sont entrées sous chaque
Rectangle
paramètre d’entrée, en commençant à partir
Donné la demi- x+2*a*(RAND()-0.5) d’une ligne appropriée située sous les valeurs
étendue a : et les incertitudes (la ligne 8 est la ligne de
départ dans le Tableau E3.2). Les formules
Donnée l’incertitude- x+2*u*SQRT(3) utiles pour la génération d’échantillons
type u : *(RAND()-0.5) aléatoires à partir des différentes FDP sont
Triangle listées dans le Tableau E3.1. Il convient de
noter que les formules doivent comprendre
Donné la demi- x+a*(RAND()-RAND()) des références fixées à la ligne contenant les
étendue a : valeurs et les incertitudes des paramètres
Donnée l’incertitude- x+u*SQRT(6) (indiquées par le symbole $ dans les
type u : *(RAND()-RAND()) formules).
iv) Le calcul pour le résultat y est copié à la
tNote 2 x+u*TINV(RAND(),νeff) première ligne des valeurs aléatoires, à droite
Note 1. Dans ces formules, x devrait être remplacé de la liste des valeurs d’entrée.
par la grandeur d’entrée xi, u avec son incertitude v) La ligne contenant les formules des valeurs
correspondante, a avec la demi-étendue de la aléatoires et la formule pour le résultat calculé
distribution rectangle ou triangle concernée, et ν avec correspondant est copiée pour donner le
le degré de liberté adéquate. nombre voulu de réplicas (500 dans le
Note 2. Cette formule s’applique quand l’incertitude Tableau E3.2).
type est donnée et connue à laquelle on associe une vi) L’estimation par SMC de l’incertitude type de
distribution de Student à ν degrés de liberté. C’est y correspond à l’écart-type de toutes les
typiquement le cas d’une incertitude type reportée valeurs simulées de y. On peut voir cette
avec son nombre de degrés de liberté effectif νeff. estimation dans la cellule G4 du Tableau E3.2.
105
Quantification de l’Incertitude Annexe E – Procédures statistiques
Tableau E3.2: Feuille de calcul pour l’implémentation des Simulations Monte Carlo
A B C D E F G
1
2 a b c y
3 Value 1.00 3.00 2.00 =C3/(D3-E3)
4 Standard uncertainty 0.05 0.15 0.10 =STDEV
(G8:G507)
5 Distribution Normal Normal Normal
6
7 Simulation a b c y
8 =NORMINV( =NORMINV( =NORMINV( =C8/(D8-E8)
RAND(), RAND(), RAND(),
C$3,C$4) D$3,D$4) E$3,E$4)
9 1.024702 2.68585 1.949235 1.39110
10 1.080073 3.054451 1.925224 0.95647
11 0.943848 2.824335 2.067062 1.24638
12 0.970668 2.662181 1.926588 1.31957
.. .. .. .. ..
.. .. .. .. ..
. . . . .
506 1.004032 3.025418 1.861292 0.86248
507 0.949053 2.890523 2.082682 1.17480
508
Les valeurs des paramètres sont entrées dans la ligne 2 depuis C2 à E2, et leur incertitude type dans la ligne du dessous
(C3:E3). Le calcul du résultat y est entré en G3. La formule pour générer les nombres aléatoires figure en ligne 8, avec
une copie du calcul du résultat (en G8). Il faut noter que G8 se réfère aux valeurs simulées en ligne 8. ligne est copiée
par le bas pour donner le nombre voulu de tirages de Monte Carlo ; la figure présente les valeurs générées aléatoires de
la ligne 9 jusqu’au bas du tableau. L’incertitude type de y est calculée comme l’écart type des valeurs simulées de y.
Résultat simulé
106
Quantification de l’Incertitude Annexe E – Procédures statistiques
E.3.5 Modalités pratiques d’utilisation de la SMC calculé à l’aide des estimations des grandeurs d’entrée
pour évaluer l’incertitude (tout comme dans le GUM). Pour la plupart des
objectifs en mesures chimiques, le résultat calculé à
Nombre d’échantillons SMC partir des valeurs d’entrée d’origine doit être
La SMC permet d’obtenir une bonne estimation de communiqué. Toutefois, l’estimation de la SMC peut
l’incertitude même pour les simulations comptant être utilisée pour obtenir l’incertitude type associée.
quelques centaines de cycles. Avec seulement 200
essais, on s’attend à ce que les incertitudes types E.3.6 Exemple d’une évaluation de l’incertitude par
estimées varient d’environ ± 10 % par rapport à la SMC
meilleure estimation. En comparaison, avec 1 000 et
10 000 échantillons, on s’attend à des variations L’exemple suivant se base sur l’Exemple A2,
d’environ ± 5 % et ± 1,5 % (sur la base d’un intervalle détermination de la concentration en hydroxyde de
de 95 % pour la distribution du chi²). En gardant à sodium au moyen d’un matériau de référence
l’esprit que de nombreuses incertitudes de valeurs d’hydrogénophtalate de potassium (HPK).
d’entrée proviennent d’observations encore moins La fonction de mesure de la concentration cNaOH en
nombreuses, des simulations relativement petites de NaOH est :
500-5 000 échantillons SMC sont susceptibles d’être 1 000mHPK PHPK
appropriées au moins pour des études préliminaires et c NaOH = [mol L-1],
souvent pour les incertitudes types rapportées. Pour M HPK V
cela, les calculs SMC en tableur suffisent souvent. où
mHPK est la masse du HPK,
Intervalles de confiance à partir de la SMC PHPK est la pureté du HPK,
En principe, il est également possible de faire une MHPK est la masse molaire du HPK, et
estimation des intervalles de confiance à partir des V est le volume de NaOH pour le titrage au
résultats de la SMC sans utiliser de degrés de liberté HPK.
effectifs, en utilisant par exemple les quantiles
appropriés. Toutefois, il est important de ne pas être Certaines grandeurs utilisées dans cette fonction de
induit en erreur par le détail apparent de la FDP mesure sont elles-mêmes exprimées au travers de
obtenue pour le résultat. Il faut également garder à grandeurs supplémentaires. On a alors besoin d’une
l’esprit le manque de connaissances approfondies sur représentation de cette fonction en termes de grandeurs
les FDP pour les grandeurs d’entrée, dû au manque de fondamentales car chaque grandeur doit être décrite par
fiabilité des informations sur lesquelles se basent les une FDP pour la base du calcul de Monte Carlo.
FDP. Les queues de distribution sont particulièrement
sensibles à ces informations. Par conséquent, comme le mHPK est obtenues par la différences des pesées :
souligne la section G 1.2 du GUM, « cela n’a pas de mHPK = mHPK.1 - mHPK.2
sens d’essayer la distinction entre des niveaux de
confiance similaires (par exemple entre un niveau de La masse molaire MHPK comprend quatre termes
confiance de 94 % et un autre de 96 %) ». De plus, le correspondant aux différents éléments de la formule
GUM indique qu’il est difficile d’obtenir des moléculaire :
intervalles avec des niveaux de confiance égaux ou MHPK = MC8 + MH5 + MO4 + MK.
supérieurs à 99 %. Par ailleurs, afin d’obtenir des
informations suffisantes sur les queues de FDP pour la V dépend de la température et de l’étalonnage du
grandeur de sortie, on a besoin de calculer le résultat système de mesure :
pour au moins 106 séries. Il devient alors important de V = VT[1 + α (T – T0)]
s’assurer que le générateur de nombres aléatoires où α est le coefficient d’expansion volumique de l’eau,
qu’utilise le logiciel est capable de maintenir le T est la température ambiante et T0 la température à
caractère aléatoire pour un nombre aussi élevé de laquelle la fiole a été étalonnée.
tirages au sort de FDP pour les grandeurs d’entrée.
Ceci nécessite alors un logiciel numérique Par ailleurs, on inclut une grandeur R représentant la
correctement caractérisé. Le GS1 donne des répétabilité des effets.
recommandations pour le choix d’un générateur de
nombres aléatoires fiable. La fonction de mesure qui en résulte est :
107
Quantification de l’Incertitude Annexe E – Procédures statistiques
disponibles concernant ces grandeurs. Le Tableau A2.4 facteurs d’élargissement k, obtenus à partir des valeurs
fait une liste de ces grandeurs et donne les FDP de des résultats inférieurs et supérieurs à 2,5 % des queues
caractérisation. de distribution, correspondent aux facteurs d’une
distribution Normale et favorise l’utilisation de k = 2
Etant donné que la contribution de VT est dominante, pour l’incertitude élargie. Toutefois, on observe que la
deux FDP autres que rectangulaires (triangulaire, FDP de la concentration cNaOH est influencée par
normale) sont prises en compte pour cette grandeur l’utilisation d’une distribution rectangulaire pour
afin d’observer les effets sur les résultats calculés. l’incertitude de VT. Les calculs ont été effectués en
utilisant un certain nombre de cycles de Monte Carlo
L’incertitude type u(cNaOH) calculée à partir de la (entre 104 et 106). Cependant, une valeur de 104 donne
concentration cNaOH avec les trois FDP différentes pour des valeurs suffisamment stables pour k et cNaOH. Un
l’incertitude de VT correspond à celles qui ont été nombre plus élevé de cycles permet d’obtenir des
obtenues de manière conventionnelle avec la méthode approximations plus précises des FDP.
du GUM (Tableau E3.3) ou de Kragten. De plus, les
Tableau EErreur ! Signet non défini..3: Valeurs, incertitude et distribution pour l’exemple A2
108
Quantification de l’Incertitude Annexe E – Procédures statistiques
Tableau E3.3: Comparaison des incertitudes u(cNaOH) obtenues via GUM et SMC pour
différentes PDF de VT
VT Triangular PDF VT Normal PDF VT Rectangular PDF
GUM* 0 000099 mol L -1
0.000085 mol L -1
0.00011 mol L-1
SMC 0 000087 mol L -1
0 000087 mol L -1
0.00011 mol L-1
*les résultats du GUM et de l’approche Kragten [Erreur ! Source du renvoi introuvable.] son t en accord sur
au moins deux chiffres significatifs.
Figure EErreur ! Signet non défini..2: Concentration cNaOH basée sur VT caractérisée par une
PDF triangulaire
k95=1.94 u=0.000087 et valeur du GUM 0.00009
4
6×10
4
4×10
Frequency
4
2×10
109
Quantification de l’Incertitude Annexe E – Procédures statistiques
Figure EErreur ! Signet non défini..2, mais avec VT caractérisée par une PDF rectangulaire
k95=1.83 u=0.00011
4
6×10
4
4×10
Frequency
4
2×10
110
Quantification de l’Incertitude Annexe E – Procédures statistiques
[∑ ( x ) − (∑ x ) n]= ∑ ( x − x )
apparaissant lorsque les valeurs de x sont obtenues C'est la formule qui est utilisée dans l'exemple 5 avec
2
à partir d'une dilution en série d'une solution mère Sxx = 2 2
.
i i i
• L'hypothèse de la linéarité peut ne pas être valide
Parmi elles, les variations aléatoires les plus
significatives pour une pratique normale sont des D'après les informations fournies par le logiciel
variations aléatoires sur y, et des méthodes d'estimation utilisé pour déduire les courbes d'étalonnage.
de l'incertitude pour cette source sont détaillées ici. Les Certains logiciels donnent la valeur de S, décrite de
sources restantes sont également envisagées façon différente par exemple en tant qu’erreur RMS ou
rapidement dans le but de donner une indication des erreur type résiduelle. Celle-ci peut être ensuite utilisée
méthodes qui existent. dans l'équation E3.4 ou E3.5. Toutefois certains
logiciels peuvent aussi donner l'écart-type s(yc) sur une
E.4.3 L'incertitude u(xpred, y) sur une valeur prévue xpred
valeur de y calculée à partir de la droite ajustée pour
due à la variabilité sur y peut être estimée de plusieurs
une certaine nouvelle valeur de x et il est possible de
manières :
s'en servir pour calculer var(xpred) puisque, pour p = 1
A partir de la variance et de la covariance
calculées. 1 ( x pred − x ) 2
Si les valeurs de b1 et de b0, leurs variances var(b1),
var(b0) et leur covariance, covar(b1,b0), sont
s( y c ) = S 1 + +
n (∑ ( x ) − (∑ x ) n)
2
i i
2
déterminées par la méthode des moindres carrés, la donnant par comparaison avec l'équation E3.5,
variance sur x, var(x), obtenue à l'aide de la formule du
Chapitre 8 En calculant les différentielles des équations var(xpred) = [ s(yc) / b1]2 Eq. E3.6
normales, est donnée par :
var( x pred )=
var( y obs ) + x 2pred ⋅ var(b1 ) + 2 ⋅ x pred ⋅ covar(b0 , b1 ) + var(b0 )
E.4.4 Les valeurs de référence xi peuvent comporter
chacune des incertitudes qui se propagent jusqu'au
b12 résultat final. Sur le plan pratique, les incertitudes sur
Eq. E3.3 ces valeurs sont habituellement faibles comparées aux
incertitudes sur les réponses du système yi, et peuvent
Et l'incertitude correspondante u(xpred, y) est √var(xpred). être ignorées. Une estimation approximative de
l'incertitude u(xpred, xi) sur une valeur prédite xpred due à
111
Quantification de l’Incertitude Annexe E – Procédures statistiques
l'incertitude sur une valeur de référence particulière xi dilution en série d'une solution mère qui comporte une
est : incertitude sur sa valeur certifiée). Si les incertitudes
u(xpred, xi) ≈ u(xi)/n Eq. E3.7 types sur y et x résultant de ces effets sont u(y, const) et
u(x, const), alors l'incertitude sur la valeur interpolée
Où n est le nombre de valeurs xi utilisées dans xpred est donnée par :
l'étalonnage. Cette expression peut servir à contrôler la u(xpred)2 = u(x, const)2 +
signification de u(xpred, xi).
(u(y, const)/b1)2 + var(x) Eq. E3.8
E.4.5 L'incertitude résultant de l'hypothèse selon
laquelle la relation entre y et x est linéaire normalement
n'est pas suffisamment importante pour nécessiter une E.4.7 Il est possible de calculer les quatre composantes
estimation supplémentaire. A condition que les résidus de l'incertitude décrites dans le paragraphe E3.2 à l'aide
montrent qu'il n'y a pas d'écart systématique significatif des Eq. E3.3 à Eq. E3.8. On peut alors calculer
de cette relation supposée, l'incertitude résultant de l'incertitude globale résultant du calcul réalisé à partir
cette hypothèse (en plus de celle couverte par d'un étalonnage linéaire en combinant normalement ces
l'augmentation résultant de la variance de y) peut être quatre composantes.
considérée comme négligeable. Si les restes montrent
une tendance systématique alors il peut être E.4.8 Bien que les calculs présentés ci-dessus
indispensable d'inclure des termes plus élevés dans la permettent une approche appropriée pour le cas le plus
fonction d'étalonnage. Des méthodes de calcul de la fréquent de régression linéaire selon la méthode des
var(x) dans ces cas-là sont données dans les textes des moindres carrés, ils ne s’appliquent pas aux méthodes
normes. On peut également émettre un avis fondé sur plus générales de modélisation par régression prenant
la dimension de la tendance systématique. en compte les incertitudes de x ou les connexions entre
x et/ou y. L’ISO TS 28037, Détermination et utilisation
E.4.6 Les valeurs de x et de y peuvent être sujettes à un des fonctions d’étalonnage linéaires [H.28], fournit une
écart constant inconnu (apparaissant par exemple analyse des cas les plus complexes.
quand les valeurs de x sont obtenues à partir d'une
112
Quantification de l’Incertitude Annexe E – Procédures statistiques
113
Quantification de l’Incertitude Annexe E – Procédures statistiques
114
Quantification de l’Incertitude Annexe E – Procédures statistiques
présenter sous forme de tableaux les chiffres donner des résultats sous la forme « <x » ou « nd »,
normalement il conviendrait d'indiquer les limites
d'incertitude pour une liste d'analytes différents.
utilisées en plus des incertitudes qui s'appliquent aux
REMARQUE : Lorsque l'on se sert d'une « limite de
résultats au-dessus des limites de rendu des résultats.
détection » ou d'une « limite de rendu de résultats » pour
1.2 A B C
1
Incertitude s0
pratiquement
x.s 1
égale à s
0 u(x)
0.8
0.6
0.4
0.2
0
0 1 2 3 4 5 6 7 8
Résultat x
115
Quantification de l’Incertitude Annexe F - Limite de détection
F.1. Introduction
F.1.1. Aux faibles concentrations, un nombre croissant petits et les incertitudes grandes comparées aux
d’effets devient significatif, y compris, par exemple : résultats. En effet, la forme de base de la « loi de
propagation des incertitudes », décrite au chapitre 8 de
• la présence de bruit ou une instabilité de la valeur ce guide, peut cesser de s'appliquer de façon précise
de base ; dans cette région ; une hypothèse sur laquelle est fondé
• la contribution d'interférences sur le signal le calcul est que l'incertitude est petite par rapport à la
(global) ; valeur du mesurande. Une difficulté supplémentaire,
• l'influence de tous les blancs analytiques utilisés, peut être d'ordre philosophique, découle de la
et définition de l'incertitude donnée par le Guide ISO :
• pertes survenant pendant l'extraction, la séparation bien que des observations négatives soient tout à fait
ou la purification. possibles et même fréquentes dans cette région, une
En raison de ces effets, tels que la diminution des dispersion implicite comprenant des valeurs inférieures
concentrations d'analyte, l'incertitude relative associée à zéro ne peuvent être « ... raisonnablement attribuées à
au résultat tend à augmenter, d'abord jusqu'à une partie la valeur du mesurande » lorsque le mesurande est une
substantielle du résultat et finalement jusqu'au point où concentration, parce que des concentrations ne peuvent
l'intervalle (symétrique) de l'incertitude comprend zéro. être elles-mêmes négatives.
Cette région est typiquement associée à la limite F.1.5. Ces difficultés n'excluent pas l'application des
pratique de détection pour une méthode donnée. méthodes exposées dans ce guide, mais il convient de
F.1.2. La terminologie et les conventions associées aux s'entourer de quelques précautions en ce qui concerne
mesures et aux publications pour les faibles l'interprétation et la façon de rendre compte des
concentrations d'analyte ont été amplement évoquées résultats de l'estimation de l'incertitude des mesures
par ailleurs (voir Bibliographie [H.29, H.32] pour les dans cette région. L'objectif de la présente Annexe est
exemples et les définitions). Ici, le terme « limite de de fournir des conseils pour compléter ceux que l'on
détection » suit la recommandation de l’IUPAC à la peut déjà trouver dans d'autres sources.
référence H.31 qui définit la limite de détection comme REMARQUE :
la quantité réelle d’analyte qui aboutit, avec une Des réflexions semblables peuvent s'appliquer à d'autres régions ; par
probabilité élevée, à la conclusion que l’analyte est exemple, des fractions de mole ou de masse proches de 100 %
présent, avec un critère de décision spécifique. Le peuvent occasionner des difficultés similaires.
critère de décision (« valeur critique ») est
habituellement fixé afin de permettre une faible F.2. Observations et estimations
probabilité de déclaration de la présence de l’analyte F.2.1. Un principe fondamental de la science des
lorsque celui-ci est en fait absent. Selon cette mesures est que les résultats sont des estimations de
convention, un analyte est déclaré présent lorsque la valeurs vraies. Les résultats analytiques, par exemple,
réponse observée est supérieure à la valeur critique. En sont disponibles initialement en unités du signal
général, la limite de détection correspond observé, par exemple en mV, en unités d'absorption
approximativement au double de la valeur critique etc. Pour pouvoir les communiquer à une audience plus
exprimée en terme de concentration d’analyte. large en particulier aux clients d'un laboratoire ou à
F.1.3. Il est largement admis que l'utilité la plus d'autres autorités, il faut convertir les données brutes en
importante de la « limite de détection » est d'indiquer à une grandeur chimique, comme la concentration ou la
quel moment les performances de la méthode quantité de matière. Cette conversion nécessite
deviennent insuffisantes pour une quantification typiquement une procédure d'étalonnage (qui peut
acceptable, de façon à pouvoir y apporter des comprendre, par exemple, des corrections
améliorations. L'idéal, par conséquent serait de ne pas correspondant aux pertes observées et bien
faire de mesures quantitatives dans cette région. caractérisées). Quelle que soit la conversion,
Néanmoins, il y a tant d’analytes importants à des cependant, le chiffre généré demeure une observation,
concentrations très faibles qu'il est inévitable de devoir ou un signal. Si l'expérience est correctement effectuée,
procéder à des mesures et rendre des résultats obtenus cette observation demeure la « 'meilleure estimation »
dans cette région. de la valeur du mesurande.
F.1.4. Le Guide ISO sur l'Incertitude des Mesures F.2.2. Les observations ne sont pas toujours entravées
[H.2] ne donne pas d'explications explicites pour par les mêmes limites fondamentales qui s'appliquent
l'estimation de l'incertitude lorsque les résultats sont aux concentrations réelles. Par exemple, il est
116
Quantification de l’Incertitude Annexe F - Limite de détection
parfaitement judicieux de rendre une « concentration généralement appropriée pour la plupart des usages
observée », c'est-à-dire, une estimation négative. Il est ordinaires. Toutefois, lorsque les observations sont
également judicieux de parler d'une dispersion particulièrement susceptibles de descendre en dessous
éventuelle des observations qui s'étend dans la même de zéro (ou au delà de 100 %), l’approche classique
région. Par exemple, lorsque l'on réalise une mesure peut entraîner des intervalles faibles non réalistes. Dans
sans biais sur un échantillon ne contenant pas d'analyte, ce cas, l’approche bayésienne décrite dans la section
on devrait constater que la moitié environ des F.6 peut s’avérer plus appropriée.
observations sont négatives. En d'autres termes, des
comptes-rendus du type : F.4. Utilisation de « inférieur à » ou de
concentration observée = 2,4 ± 8 mg.L-1
« supérieur à » dans un rapport
concentration observée = -4,2 ± 8 mg.L-1 F.4.1. Lorsque l'usage final des résultats présentés est
bien compris et quand l'utilisateur final ne peut être
sont non seulement possibles ; ils doivent être
informé de façon réaliste de la nature des observations
considérés comme des déclarations valides des
des mesures, il convient que l’utilisation de « inférieur
observations et de leur valeurs moyennes.
à » ou de « supérieur à », etc. suive les conseils
F.2.3. Lorsque l'on rend compte des observations et des généraux donnés ailleurs (par exemple dans la
incertitudes qui leur sont associées auprès d'une référence H.31) sur la façon de rendre compte des
audience avertie, il n'y a pas d'obstacles ou de résultats pour de faibles concentrations.
contradiction à rendre la meilleure estimation et
F.4.2. Une note de prudence est pertinente. La plupart
l'incertitude qui lui est associée même si le résultat
des articles de la littérature sur les capacités de
implique une situation physique impossible. En effet,
détection reposent essentiellement sur les statistiques
dans certaines circonstances (par exemple, lorsque l'on
des observations répétées. Il devrait être évident pour
rend une valeur correspondant à un blanc analytique
les lecteurs de ce présent guide que la variation
utilisée par la suite pour corriger d'autres résultats) il
observée est rarement une bonne indication de
est absolument essentiel de faire le compte-rendu de
l'incertitude totale des résultats. Exactement comme
l'observation et de son incertitude, si grande soit-elle.
avec des résultats dans toute autre région, il faut par
F.2.4. Ceci reste vrai même si l'emploi final du résultat conséquent réfléchir en profondeur à toutes les
est incertain. Comme seules l'observation et incertitudes affectant un résultat donné avant de rendre
l'incertitude qui lui est associée peuvent être utilisées compte de ces valeurs.
directement (par exemple, dans d'autres calculs, dans
l'analyse des tendances ou pour une ré-interprétation), F.5. Intervalles d’incertitude élargis
il faut toujours pouvoir disposer de l'observation dans proches de zéro : Approche
son intégralité. classique
F.2.5. L'idéal est par conséquent de rapporter des F.5.1. Le résultat désiré est un intervalle d’incertitude
observations valides et les incertitudes qui leur sont élargi qui répond à trois exigences :
associées sans se préoccuper des valeurs.
117
Quantification de l’Incertitude Annexe F - Limite de détection
F.5.3 Lorsque l’observation moyenne est en dehors de l’écart type est fixé à 0.01. La ligne diagonale en gras
l’étendue fixée et que l’intervalle pour la vraie montre comment la valeur reportée (avant troncature)
concentration est requis, il convient que le résultat depend de la valeur observée avec les lignes en
enregistré soit simplement décalé à zéro. Toutefois, le pointillés pour intervalle associé. Les intervalles
décalage à cette limite entraîne un léger biais sur le partiels représentent l’intervalle d’incertitude après
long terme, qui peut s’avérer inacceptable pour les troncature. Il faut noter que pour les valeurs onservées
clients (ou pour les prestataires d’EA) ayant besoin de inférieures à zero, l’intervalle tronqué devient trop
données brutes pour leurs propres analyses statistiques. petit.
Ces utilisateurs continueront à demander les
observations brutes, indépendamment des limites
naturelles. Néanmoins, parmi les différentes options F.6 Intervalles d’incertitude élargis
examinées pour pallier cette situation, il peut être proche de zéro : Approche
montré qu’une simple troncature à zéro permet bayésienne
d’obtenir un biais minimum.
F.6.1 Les méthodes bayésiennes permettent une
F.5.4 Si cette procédure est suivie, l’intervalle combinaison des informations provenant des mesures
d’incertitude élargi devient progressivement plus avec les informations préalables concernant la possible
asymétrique à mesure que le résultat s’approche de la (ou probable) distribution des valeurs du mesurande.
limite. La Figure 3 illustre la situation proche de zéro, Cette approche associe une distribution « préalable » à
lorsque la moyenne mesurée est déclarée jusqu’à ce une probabilité (la distribution déduite uniquement à
qu’elle descende en dessous de zéro. Ensuite, la valeur partir des résultats de mesure) pour obtenir une
déclarée est reportée commen étant zéro. « distribution postérieure » qui décrit la distribution des
F.5.5 Enfin, l’intervalle classique descend valeurs raisonnablement attribuable au mesurande.
complètement en dessous de la limite naturelle, L’intervalle d’incertitude élargi est esnuite choisi pour
entraînant un intervalle ajusté de [0 , 0]. On peut contenir une proportion adaptée de la distribution, alors
interpréter ceci comme une indication du fait que les que la valeur déclarée peut être toute valeur ponctuelle
résultats sont incohérents avec les vraies concentrations décrivant correctement l’emplacement de la
possibles. Normalement, les analystes devraient se distribution. On peut utiliser indifféremment la
tourner vers les données d’origine et déterminer la moyenne, la médiane et le mode de la distribution
cause, tout comme pour toute autre observation postérieure.
anormale du contrôle de la qualité. F.6.2 Dans le cas d’une grandeur connue pour être
F.5.6 S’il s’avère nécessaire de déclarer l’incertitude limitée à un intervalle donné (par exemple au-dessus de
type ainsi que l’intervalle d’incertitude élargi zéro) et de mesures fournissant des informations sous
(asymétrique), il est recommandé de déclarer, sans forme d’une distribution t, il peut être démontrer
modification, l’incertitude type utilisée pour établir [H.32] que la distribution des valeurs possibles qui en
l’intervalle de confiance. résulte correspond approximativement à une
distribution t tronquée. Afin d’obtenir des résultats
avec un bais minimum et un intervalle d’incertitude
élargi avec un recouvrement adéquat, il est
recommandé que :
0.10
118
Quantification de l’Incertitude Annexe F - Limite de détection
où Pt (q,v) est la probabilité cumulée pour la classique dans l’étendue 0 < x < 5u, et il n’a donc pas
distribution t de Student. un taux de réussite d’exactement 95 %.
ii) Établir F.6.5 Tout comme pour l’approche classique, le calcul
q1 = q t (1 − (1 − pPtot ) / 2, v eff ) de la valeur déclarée et de l’intervalle d’incertitude ne
doit être effectué qu’après tous les autres calculs. Par
exemple, si l’on combine plusieurs valeurs proches de
où qt(P,v) est le quantile de la distribution t de
zéro, il convient tout d’abord de réaliser les calculs et
Student pour la probabilité cumulée P et les degrés
l’estimation de l’incertitude type de la valeur à déclarer
de liberté veff et p et le niveau de confiance voulu
et enfin de calculer l’intervalle d’incertitude.
(généralement 0,95).
F.6.6 S’il s’avère nécessaire de déclarer l’incertitude
iii) Si ( x − uq1 ) ≥ 0 , fixer l’intervalle à type ainsi que l’intervalle (asymétrique) d’incertitude
x ± uq 1 . Si ( x − uq1 ) < 0, l’intervalle est élargie, il est recommandé, de la même façon que pour
fixé à l’approche classique décrite plus haut, que l’incertitude
[0, x + uq ( P (− x / s, v
1 t eff ) + pPtot .v eff ) ] type utilisée pour établir l’intervalle de confiance soit
déclarée sans aucune modification.
REMARQUE :
Si l’on utilise les tableurs MS Excel ou OpenOffice Calc, Ptet qt sont
mis en œuvre de la façon suivante :
8
TDIST(ABS(q), v,2)/2 q <0 Max. dens.
Pt (q,v) = Classical
1 – TDIST (q,v,2)/2 q ≥ 0 6
R eported value
119
Quantification de l’Incertitude Annexe G – Sources d’incertitude
Les tableaux suivants résument quelques exemples typiques de composantes d'incertitude. Les
tableaux donnent :
• Le mesurande particulier ou la procédure expérimentale (détermination de la masse, du volume etc) ;
• Les principales composantes et sources d'incertitude dans chaque cas ;
• Une méthode suggérée permettant de déterminer l'incertitude résultant de chaque source ;
• Un exemple de cas typique.
Les tableaux sont supposés seulement indiquer des méthodes permettant d'estimer les valeurs de
certaines composantes typiques de l’incertitude dans les mesures analytiques. Ils ne prétendent pas
être exhaustifs et il est entendu que les valeurs données ne doivent pas être utilisées directement
sans justification objective. Les valeurs peuvent, toutefois, contribuer à la décision consistant à
savoir si une composante particulière est significative.
120
Quantification de l’Incertitude Annexe G – Sources d’incertitude
Quantification de l’Incertitude
Détermination Composantes de l'incertitude Cause Méthode de détermination Valeurs Typiques
Exemple Valeur
Masse Incertitude de l'étalonnage de la Exactitude limitée dans Indiquée sur le certificat Balance de la 0,5 mg
balance l'étalonnage d'étalonnage, convertie en écart-type figure 4
Linéarité i) Expérience, avec une gamme de Vers 0.5 x
poids certifiés dernier chiffre
significatif
ii) Spécification du fabricant
Lisibilité Résolution limitée sur l'écran A partir du dernier chiffre significatif 0,5 x dernier
ou l'échelle chiffre
significatif/√3
Dérive quotidienne Variées, y compris la Ecart-type des pesées de contrôle à Vers 0,5 x
température long terme. Calculer en tant qu'écart- dernier chiffre
type relatif si nécessaire. significatif.
Variation d'une mesure à l'autre Variée Ecart-type des échantillons Vers 0,5 x
successifs ou des pesées de contrôle dernier chiffre
significatif.
Effets de la densité La disparité entre poids Calculés à partir de densités connues Acier, Nickel 1 ppm
(base : conventionnelle)remarque 1 d'étalonnage / densité de ou supposées et des conditions Aluminium 20 ppm
l'échantillon est à l'origine atmosphériques typiques Solides 50 à 100 ppm
d'une différence dans l'effet organiques 65 ppm
de la poussée atmosphérique Eau 90 ppm
Remarque 1 : Pour les principales constantes ou les définitions des unités du SI, les déterminations des masses à l'aide des pesées sont habituellement corrigées en poids
sous vide. Dans la plupart des autres situations pratiques, le poids est exprimé sur une base conventionnelle telle que celle que l'OIML a définie [H.18]. La convention
consiste à chiffrer les poids pour une densité de l'air de 1,2 kg m-3 et une densité de l'échantillon de 8 000 kg m-3, ce qui revient à peser de l'acier au niveau de la mer dans
des conditions atmosphériques normales. La correction de la poussée en masse conventionnelle est égale à zéro lorsque la densité de l'échantillon est de 8 000 kg m-3 ou
que la densité de l'air est égale à 1.2 kg m-3. Comme la densité de l'air est habituellement très proche de cette dernière valeur, la correction en poids conventionnel peut
normalement être négligée. Les valeurs de l'incertitude standard données pour les effets liés à la densité sur une base de poids conventionnelle dans le Tableau ci-dessus
sont suffisantes pour les estimations préliminaires des pesées sur une base conventionnelle sans correction de la poussée au niveau de la mer. La masse déterminée sur la
base conventionnelle peut, toutefois, différer de la « masse vraie » (sous vide) de 0,1 % ou plus (voir les effets à la dernière ligne du tableau ci-dessus).
121
Quantification de l’Incertitude
Quantification de l’Incertitude Annexe G – Sources d’incertitude
Détermination Composantes de Cause Méthode de détermination Valeurs Typiques
l'incertitude
Exemple Valeur
Volume (liquide) Incertitude de Exactitude limitée dans Indiquée sur la spécification du 10 mL (Grade A) 0.02 / √3 = 0.01
l'étalonnage l'étalonnage fabricant, convertie en écart-type. mL*
Pour la verrerie ASTM de classe A
de volume V, la limite est
approximativement de V0.6/200
Température La variation de la ∆T⋅α/(2√3) donne l'écart-type relatif, 100 mL d'eau 0.03 mL pour une
température par rapport à la où ∆T est la gamme des manipulation
température de l'étalonnage températures possibles et α le réalisée à 3°C près
provoque une différence coefficient de dilatation du volume de la température
dans le volume à la du liquide. α est approximativement opératoire fixée
température normalisée. égal à 2 x10-4 K-1 pour l'eau et à 1 x
10-3 K-1 pour les liquides
organiques.
Variation d'une mesure à Variée Ecart-type des volumes délivrés Pipette de 25 mL Répéter remplir /
l'autre successifs de contrôle (trouvés par peser :
pesée) s = 0.0092 mL
123
Quantification de l’Incertitude
Quantification de l’Incertitude Annexe G – Sources d’incertitude
Détermination Composantes Cause Méthode de détermination Valeurs typiques
d'incertitude
Exemple Valeur
Absorbance Etalonnage de l'appareil Exactitude limitée dans Indiquée sur le certificat
l'étalonnage. d'étalonnage sous forme de limites,
Remarque : cette
convertie en écart-type
composante concerne la
lecture de l'absorbance
versus l'absorbance de
référence, non pas
l'étalonnage de la
concentration contre la
lecture de l'absorption
Variation d'une mesure à Variée Ecart-type des déterminations Moyenne de 7 1.63/√7 = 0.62
l'autre dupliquées, ou des performances de lectures de
l'AQ. l'absorption avec s
= 1.63
Echantillonnage Homogénéité Un sous-échantillonnage à i) Ecart-type des résultats de sous- Echantillonnage à Pour 15 portions
partir d'un matériau échantillons distincts (si partir de pain provenant de 72
inhomogène ne représentera l'inhomogénéité est importante par d'une portions
généralement pas l'ensemble rapport à l'exactitude analytique). inhomogénéité contaminées de
de manière exacte. supposée l'ensemble et de
ii) Ecart-type estimé à partir des
bilatérale 360 portions non
Remarque : un paramètres connus ou supposés de la
(Voir exemple contaminées de
124
Quantification de l’Incertitude
Quantification de l’Incertitude Annexe G – Sources d’incertitude
Annexe H - Bibliographie
H.1. ISO/IEC 17025:2005. General Requirements for the Competence of Calibration and Testing
Laboratories. ISO, Geneva (2005).
H.2. Guide To The Expression Of Uncertainty In Measurement. ISO, Geneva (1993).
(ISBN 92-67-10188-9) (Reprinted 1995 : Réédité en tant qu’ISO 98-3 (2008), également
disponible à l’adresse http://www.bipm.org sous la référence JCGM 100:2008)
H.3. EURACHEM Guide, Quantifying Uncertainty in Analytical Measurement. Laboratory of the
Government Chemist, London (1995). ISBN 0-948926-08-2
H.4. EURACHEM/CITAC Guide, Quantifying Uncertainty in Analytical Measurement. Laboratory of
the Government Chemist, London (1995). ISBN 0-948926-15-5. Également disponible à
l’adresse http://www.eurachem.org.
H.5. EURACHEM Guide, Terminology in Analytical Measurement – Introduction to VIM 3 (2011).
Disponible à l’adresse http://www.eurachem.org.
H.6. EURACHEM/CITAC Guide, Measurement uncertainty arising from sampling: A guide to
methods and approaches. EURACHEM, (2007). Disponible à l’adresse
http://www.eurachem.org.
H.7. ISO/IEC Guide 99:2007, International vocabulary of metrology - Basic and general concepts and
associated terms (VIM). ISO, Geneva, (2007). (Également disponible à l’adresse
http://www.bipm.org sous la référence JGCM 200:2008))
H.8. ISO 3534-2:2006. Statistics - Vocabulary and Symbols – Part 2: Applied Statistics. ISO, Geneva,
Switzerland (2006).
H.9. EURACHEM/CITAC Guide: Traceability in Chemical Measurement (20003). Disponible aux
adresses http://www.eurachem.org et http://www.citac.cc.
H.10. Analytical Methods Committee, Analyst (London). 120 29-34 (1995).
H.11. EURACHEM, The Fitness for Purpose of Analytical Methods. (1998) (ISBN 0-948926-12-0)
H.12. ISO/IEC Guide 33:1989, Uses of Certified Reference Materials. ISO, Geneva (1989).
H.13. International Union of Pure and Applied Chemistry. Pure Appl. Chem., 67, 331-343, (1995).
H.14. ISO 5725:1994 (Parts 1-4 and 6). Accuracy (trueness and precision) of measurement methods
and results. ISO, Geneva (1994). See also ISO 5725-5:1998 for alternative methods of estimating
precision.
H.15. ISO 21748:2010. Guide to the use of repeatability, reproducibility and trueness estimates in
measurement uncertainty estimation. ISO, Geneva (2010).
H.16. M Thompson, S L R Ellison, R Wood; The International Harmonized Protocol for the proficiency
testing of analytical chemistry laboratories (IUPAC Technical Report); Pure Appl. Chem. 78(1)
145-196 (2006).
H.17. EUROLAB Technical Report 1/2002, Measurement uncertainty in testing, EUROLAB (2002).
Disponible à l’adresse http://www.eurolab.org.
H.18. EUROLAB Technical Report 1/2006, Guide to the Evaluation of Measurement Uncertainty for
Quantitative Test Results, Eurolab (2006). Disponible à l’adresse http://www.eurolab.org.
H.19. EUROLAB Technical Report 1/2007, Measurement uncertainty revisited: Alternative approaches
to uncertainty evaluation. EUROLAB (2007). Disponible à l’adresse http://www.eurolab.org.
H.20. NORDTEST Technical Report 537: Handbook for calculation of measurement uncertainty in
environmental laboratories. NORDTEST 2003 (www.nordtest.org)
126
Quantification de l’Incertitude Erreur ! Source du renvoi introuvable. - Bibliographie
H.21. I. J. Good, “Degree of Belief”, in Encyclopaedia of Statistical Sciences, Vol. 2, Wiley, New York
(1982).
H.22. J. Kragten, “Calculating type deviations and confidence intervals with a universally applicable
spreadsheet technique”, Analyst, 119, 2161-2166 (1994).
H.23. Evaluation of measurement data – Supplement 1 to the “Guide to the expression of uncertainty in
measurement” – Propagation of distributions using a Monte Carlo method, JCGM 100:2008,
http://www.bipm.org/en/publications/guides/gum.html
H.24. EURACHEM/CITAC Guide: The use of uncertainty information in compliance assessment
(2007). Disponible à l’adresse http://www.eurachem.org.
H.25. British Standard BS 6748:1986. Limits of metal release from ceramic ware, glassware, glass
ceramic ware and vitreous enamel ware.
H.26. S. L. R. Ellison, V. J. Barwick. Accred. Qual. Assur. 3 101-105 (1998).
H.27. ISO 9004-4:1993, Total Quality Management. Part 2. Guidelines for quality improvement. ISO,
Geneva (1993).
H.28. ISO/TS 28037:2010, Determination and use of straight-line calibration functions. ISO, Geneva
(2010).
H.29. H. Kaiser, Anal. Chem. 42 24A (1970).
H.30. L.A. Currie, Anal. Chem. 40 583 (1968).
H.31. L. A. Currie. Nomenclature in evaluation of analytical methods including detection and
quantification capabilities, Pure & Appl. Chem., Vol. 67, No. 10, pp. 1699-1723, (1995).
H.32. Analytical Methods Committee. Measurement uncertainty evaluation for a non-negative
measurand: an alternative to limit of detection. Accred. Qual. Assur. Vol 13, pp 29-32 (2008)
H.33. OIML D 28:2004 Conventional value of the result of weighing in air.
127