Master : Matériaux pour l’énergie et applications

COMPTE RENDU de TP Traitement des données

Réalisée par : Encadré par :

Lakhrif Hind Mr. SEFYANI Fouad
Oudaha Rabab

Ait Ali Imad

Année universitaire : 2023/2024

MEA Page 1
 TP4 : MODELISATION NON LINEAIRE
I. But :

Le but de cette manipulation est de procéder à l’analyse de la modélisation de la loi de

variation d’une source radioactive selon un modèle linéaire et non linéaire. La qualité de cette
modélisation sera déterminée par la valeur maximale du coefficient de corrélation multiple.
II. Manipulation : Modélisation linéaire et non linéaire d’une source radioactive
(pondération)

On considère une source de radiation et on compte le nombre de coups par unité de temps à
l’aide d’un compteur. On constate que la vitesse d’émission (nombre de coups par unité de
temps) décroît de manière à peu près linéaire avec le temps. On va essayer de modéliser ce
phénomène quantitativement selon la loi linéaire :
𝑌 = 𝑎 + 𝑏 ∗ 𝑡 . Sachant que la variable y, ici, est le nombre de comptage C. Pratiquement on
détermine le nombre de coups 𝐶𝑖 détectés pendant un intervalle de temps 𝑡𝑖 et on choisit
tous les 𝑡𝑖 égaux et contigus. Les fluctuations dans les mesures de 𝐶𝑖 sont purement
statistiques. On peut donc utiliser la distribution de Poisson pour représenter la dispersion des
valeurs observées pour une même mesure donc : σ² = 𝐶𝑖
On rappelle que : V(y) = σ² * 𝑃 −1 où P est la matrice pondération. Donc ici les éléments de la
matrice diagonale des poids seront : 𝑃𝑖 = 1/𝐶𝑖 .

1. Ecrire le système d’équations linéaires selon la méthode des moindres carrés :

2. Calculer la matrice C et l’estimation sur les valeurs a et b en fonction de ti et Ci :

MEA Page 2
 3. Calculer la variance σ² ainsi que la variance sur l’estimation des valeurs a et b en
fonction de ti et Ci :

 Code utilisé :

Ci=[106;80;98;75;74;73;49;38;37;22]

T=[0;15;30;45;60;75;90;105;120;135]

A=[ones(10,1),T]

% calcul la matrice C

p=Ci.^(-1)

P=diag(p)

C=A'*P*A

Beta=inv(C)*A'*P*Ci

eps=Ci-A*Beta

%Calcule de l'estimateur de la variance

Pi=sqrt(P)*eps

s=sqrt((Pi'*Pi)/8)

VBeta=s^2.*inv(C)

%Calcule de l'ecart type de a et b

V=sqrt(diag(VBeta))

%Calcule de R²

% Calcul du coefficient de corrélation R2

Cichapo=A*Beta

Cim= mean(Ci);

SSD = sum((Cichapo - Cim).^2);

SST = sum((Ci - Cim).^2);

R2=SSD/SST

4. Donner les valeurs numériques de : a, b, σa, σb et σ :

MEA Page 3
Beta = 104.4620 a

-0.5940 b

VBeta = 28.6814 -0.2639

-0.2639 0.0030

V = 5.3555 σa

0.0547 σb

5. Calculer le coefficient de corrélation multiple R2 :

R2 = 0.9560

 Loi non linéaire :

Code utilisé :

Ci=[106; 80 ;98 ;75 ;74 ;73 ;49 ;38 ;37 ;22];

T =[0 ;15 ;30 ;45 ;60 ;75 ;90 ;105 ;120 ;135];

A=[ones(10,1),T]

y=log(Ci)

wi=y.^2

W=sum(wi)/10

Pi=wi/W

P=diag(Pi)

C=A'*P*A

Beta=inv(C)*A'*P*y

eps=y-A*Beta

%Calcule de l'estimateur de la variance

Pi=sqrt(P)*eps

MEA Page 4
s=sqrt((Pi'*Pi)/8)

VBeta=s^2.*inv(C)

%Calcule de R²

% Calcul du coefficient de corrélation R2

Ychapo=A*Beta

ymoy= mean(y);

SSD = sum((Ychapo - ymoy).^2);

SST = sum((y - ymoy).^2);

R2=SSD/SST

6. Procéder à la linéarisation de cette relation pour qu’elle devienne de type :

𝑌 =𝑎+𝑏∗𝑡
On a Y = Log (C)

Y= log (𝐶0 *𝑒 −𝑡/𝜏 ) = log (𝐶0 ) - t/τ

Avec a = log (𝐶0 ) et b = -1/τ

7. Calculer le nouveau poids correspondant à la nouvelle variable yi en fonction de Ci.

P=

1.2905 0 0 0 0 0 0 0 0 0

0 1.1395 0 0 0 0 0 0 0 0

0 0 1.2475 0 0 0 0 0 0 0

0 0 0 1.1062 0 0 0 0 0 0

0 0 0 0 1.0993 0 0 0 0 0

0 0 0 0 0 1.0924 0 0 0 0

0 0 0 0 0 0 0.8988 0 0 0

0 0 0 0 0 0 0 0.7852 0 0

0 0 0 0 0 0 0 0 0.7737 0

0 0 0 0 0 0 0 0 0 0.5670

MEA Page 5
 8. Calculer l’estimation de a et b par les moindres carrés ainsi que leurs incertitudes.

Beta = 4.7461

-0.0096

V= 0.0994

0.0014

9. Calculer le coefficient de corrélation multiple R2.

R2 = 0.7618

10. Comparer ce coefficient R2 par rapport à celui calculé selon une loi linéaire.

D’après les résultats obtenus on a trouvé que le coefficient R2 du modèle linéaire est plus
grand que le coefficient du modèle non linéaire.

11. Tracer sur un graphe la courbe correspondante à la modélisation linéaire et non

linéaire de ces mesures ainsi que le traçage des données point par point.

Avec la courbe en rouge correspond à linéaire et le bleu c’est non linéaire.

MEA Page 6
La courbe non linéaire est en bleu et linéaire en rouge.

MEA Page 7