Page 103 12. INTRODUCTION AU LABORATOIRE

Page 103 12. INTRODUCTION AU LABORATOIRE
INTRODUCTION AU LABORATOIRE
12.
Page 103
INTRODUCTION AU LABORATOIRE
Plusieurs travaux pratiques de physique proposent la vérification d’une loi théorique
s’exprimant au moyen d’une formule mathématique. Cette vérification doit naturellement tenir
compte de la précision avec laquelle les mesures sont réalisées. Le but de ce chapitre23 est de
donner quelques indications au sujet de l’estimation des erreurs de mesure et de leur
propagation dans les formules.
12.1 MESURES ET INCERTITUDES
12.1.1 Définition de la mesure
Déf. Mesurer une grandeur physique, c’est la comparer avec une grandeur de même
espèce prise comme étalon.
En pratique, on admet qu’une telle comparaison est effectuée si on utilise un instrument de
mesure étalonné (ou réputé tel).
¾ Lorsque la grandeur effectivement mesurée à l’aide d’un instrument, la mesure est dite
directe.
¾ Lorsque la grandeur mesurée est calculée à partir d’autres grandeurs mesurées, la mesure
est dite indirecte.
Par exemple, la mesure de l’aire d’un rectangle se mesure à l’aide de deux distances, la
longueur et la largeur.
Le résultat d’une mesure est nécessairement accompagné de l’unité de mesure.
12.1.2 Précision de la mesure
Il est également toujours obligatoire de donner la précision de la mesure. Cette indication a
pour but de nous renseigner sur la différence entre la valeur mesurée de la grandeur et sa valeur
vraie.
Soit une grandeur A. Nous noterons ici :
a = valeur numérique de la mesure de A ;
av = valeur vraie de A ;
L’erreur commise est la différence Δa = a − av .
On peut discuter des causes de l’erreur ; toutefois sa définition implique qu’il est impossible
d’en donner une valeur exacte. (Si on la connaissait, il suffirait de la soustraire à la valeur
mesurée pour obtenir la valeur vraie, qui serait alors connue exactement, donc sans erreur.)
La précision de la mesure se donne plutôt en indiquant la valeur de l’incertitude absolue ou
relative, définies comme suit.
23
Ce chapitre reprend pour l’essentiel une notice de laboratoire PHY1 « Introduction – Mesures et incertitudes »
(Prof Y. Zeitoun, EIVD 2002).
INTRODUCTION AU LABORATOIRE
Page 104
12.2 INCERTITUDES
12.2.1 Incertitude absolue
Déf. L’incertitude absolue δa de la grandeur A est la valeur absolue de l’erreur
maximum que l’on a pu commettre en éconçant le résultat de la mesure.
On écrit :
A = a ± δa
(12.1)
Bien entendu, cette borne supérieure ne devra être ni sous-estimée, ni non plus surestimée. Elle
est en effet sensée représenter au mieux l’erreur. On peut aussi écrire, par définition de δa :
a − av < δa
Exemple :
¾ Mesure de la longueur d’une feuille de papier :
¾ Mesure de la longueur d’une table :
L = 297 ± 1 mm
D = 1505 ± 1 mm
Si le résultat comporte une puissance de 10 en facteur, il faut mettre des parenthèses :
L = (297 ± 1)·10-3 m
12.2.2 Incertitude relative
L’exemple ci-dessus nous montre qu’une même incertitude absolue ne signifie pas que la
précision des deux mesures soit la même. Pour comparer la précision de la mesure de deux
grandeurs, on utilise l’incertitude relative, définie de la manière suivante :
On écrit :
εA =
δa
(12.2)
a
L’incertitude relative est volontiers donnée en % (ou en pour mille).
Pour l’exemple ci-dessus, on obtient :
L = 297 mm ± 0,3% ;
D = 1505 mm ± 0,07 %
La précision de la mesure est d’autant plus grande que l’incertitude relative est plus faible.
Remarquons encore que la comparaison de la précision de deux mesures à l’aide de leur
incertitude relative s’applique même si les deux grandeurs mesurées ne sont pas de même
espèce.
Signalons enfin qu’il est illusoire de donner l’incertitude avec plus d’un (ou éventuellement
deux) chiffre significatif. En effet, on doit considérer que l’incertitude est une indication qui n’a
pu être qu’estimée.
INTRODUCTION AU LABORATOIRE
Page 105
12.2.3 Chiffres significatifs
Dans l’expression du résultat de la mesure, le nombre de chiffres significatifs doit être
raisonnablement limité. Le dernier chiffre de droite (éventuellement les deux derniers) doit être
le seul incertain.
Exemple :
D = 1,505 m ± 0,07 % = 1,505 ± 0,001 m
ou éventuellement :
Ne pas écrire :
D = 1,5055 m ± 0,065 %
D = 1,505487 mm ± 0,07 % ; mais pas non plus D = 1,5 ± 0,001 m.
On pourrait toutefois avoir comme résultat d’une autre mesure : D = 1,500 ± 0,001 m.
12.3 AUTRES QUALITÉS D’UNE MESURE (OU D’UN INSTRUMENT DE MESURE)
Outre la précision de la mesure, appelée aussi exactitude, on définit encore les qualités
suivantes.
Sensibilité
La sensibilité est le quotient de l’accroissement de la réponse d’un instrument de mesure par
l’accroissement correspondant du signal d’entrée.
Exemple : si au voisinage de 100 mA, l’aiguille d’un milliampèremètre analogique se déplace
de 5 divisions pour une variation de courant de 25 mA, la sensibilité du milliampèremètre 5 mA
par division.
Résolution
La résolution d’un instrument est la plus petite variation perceptible de la grandeur mesurée.
Sa valeur peut être plus petite que l’incertitude.
Exemple : Pour mesurer une tension, on utilise un voltmètre numérique, affichant 4 chiffres.
Pour l’échelle 0 à 100 V, le fabricant indique une précision de 0,5 % +3d. On
mesure U = 24,53 V.
Clairement, la plus petite variation perceptible est de 0,01 V. Donc la résolution
vaut dans ce cas 0,01 V. Un chiffre (digit) vaut d = 0,01.
L’incertitude est égale à 0,5% de la valeur mesurée, soit 0,12 V, valeur à laquelle il
faut encore ajouter 3 fois 0,01. Le résultat de la mesure est donc 24,53 ± 0,15 V.
Dans cet exemple, le résolution est 15 fois plus petite que l’incertitude.
Le pouvoir de résolution est le quotient de la résolution par la pleine échelle.
Dans l’exemple précédent le pouvoir de résolution est de 0,01 / 100 = 1·10-4.
Les notions de sensibilité, de résolution est d’incertitude ne doivent pas être confondues.
INTRODUCTION AU LABORATOIRE
Page 106
Reproductibilité
La reproductibilité d’une mesure renseigne sur les différences entre plusieurs mesures
successives d’une grandeur, ces mesures étant effectuées dans des conditions identiques.
Fidélité (justesse)
La fidélité renseigne sur la présence ou non d’erreurs systématiques.
12.4 CAUSES D’ERREUR
On peut classer les erreurs de mesure en trois catégories
Les méprises
Il peut y avoir une méprise sur la méthode de mesure, ou par exemple, sur la lecture d’une
échelle (par exemple V à la place de mV), ou même sur un chiffre mal copié.
Les méprises doivent être éliminées.
Les erreurs systématiques
Une fois toute méprise éliminée, des erreurs systématiques peuvent subsister. Plus elles sont
grandes et moins la mesure est fidèle.
Les erreurs systématiques peuvent notamment être dues à :
¾ l’instrument : imperfection de graduation, étalonnage inexact, …
¾ l’observateur : erreur de parallaxe, retard systématique du chronométreur, …
¾ des causes perturbatrices permanentes : par exemple, négligence de la poussée
d’Archimède lors d’une pesée, ou celle de la gravitation lors d’une mesure d’une grande
longueur à l’aide d’une corde tendue, …
Les erreurs accidentelles (dites aussi aléatoires)
Lors de la répétition d’une mesure, ce sont des erreurs qui agissent tantôt dans un sens, tantôt
dans l’autre. Plus les écart entre les meures sont grands et moins la mesure est reproductible.
Les erreurs aléatoires peuvent être dues notamment à :
¾ des fluctuations de paramètres extérieurs à la mesure, mais susceptibles de l’influencer
(température, humidité, vibrations, luminosité, …),
¾ l’observateur (par exemple lors de l’estimation de la position d’une aiguille entre deux
traits d’une échelle),
¾ à l’instrument dont les mesures sont plus ou moins reproductibles (à cause, par exemple,
de bruits électroniques, …).
INTRODUCTION AU LABORATOIRE
Page 107
12.5 ESTIMATION DE L’INCERTITUDE SUR UNE MESURE DIRECTE
On a déjà affirmé (§12.1.2) qu’une indication de l’incertitude est obligatoire pour toute
mesure. L’évaluation de l’incertitude sur une mesure directe est une estimation24. En pratique
cette estimation tient comptes des facteurs suivants.
¾ La précision des instruments (donnée ou estimée). On définit la classe d’exactitude (ou
classe de précision) comme étant le quotient de l’incertitude absolue (supposée
constante dans toute l’étendue de mesure) par l’étendue de mesure.
Exemple : un ampèremètre, d’étendue de mesure 20 A est de classe 1,5 %.
Si sur cette échelle, une mesure donne 3,71 A, il en résulte que le résultat de
la mesure s’écrit : 3,7 ± 0,3 A.
On a intérêt à choisir une plage de mesure adaptée à la grandeur mesurée.
Ainsi dans cet exemple, si les plages 10 A et 5 A existent, il faut choisir
cette dernière. Avec la même classe de précision de 1,5%, le résultat de la
mesure sera 3,71 ± 0,08 A.
¾ La précision de mesure de l’observateur, généralement l’incertitude de lecture sur un
instrument analogique.
Par ailleurs, il est quelquefois recommandé de répéter plusieurs fois la même mesure. La
moyenne des valeurs obtenues en donne une meilleure estimation. L’incertitude dans ce cas être
évaluée comme étant légèrement supérieure à l’écart entre la moyenne et celle des mesures qui
s’en écarte le plus.
Estimation a posteriori de l’erreur d’après la répartition statistique des mesures
Dans le cas où les erreurs systématiques ont, en principe, été écartées et si on a pu réaliser un
grand nombre de fois la mesure d’une grandeur, la distribution de l’ensemble des mesures et
l’estimation des l’incertitude peuvent se faire par des moyens statistiques. Voir § 12.8.
24
Une certaine habitude des problèmes concrets permet de parvenir à des estimations réalistes des incertitudes. C’est l’un
des buts des laboratoires de physique.
INTRODUCTION AU LABORATOIRE
Page 108
12.6 PROPAGATION DES INCERTITUDES SUR UNE MESURE INDIRECTE
Considérons une grandeur G dont la valeur se calcule à l’aide d’une formule faisant intervenir
une ou plusieurs grandeurs A, B, … mesurées directement. Puisque A, B, … ne sont pas connues
exactement, on peut dire que ce sont des variables et que G est une fonction de ces variables.
12.6.1 Fonction d’une variable
Voyons d’abord le cas où la mesure indirecte ne fait intervenir qu’une mesure directe.
G = f ( A)
(12.3)
Le résultat de mesure de A est noté, conformément à (12.1) : A = a ± δa
Pour la mesure indirecte, notons : G = g ± δg .
Il est clair que g = f (a) .
L’incertitude δg dépend de l’allure de f.
f (A)
G
g max
g
Pente : f ′(a)
g min
A
a − δa
a
a + δa
Fig. 12.1
Pour un fonction croissante de a , on pourrait définir :
δg = g max − f (a) = f (a + δa) − f (a)
ou bien :
δg = f (a) − g min = f (a) − f (a − δa )
Par commodité, comme δa est petit, on fait intervenir la pente de la droite au point a , qui est
égale à la dérivée de f ( A) en ce point. L’estimation de g est donnée par.
δg = f ′(a) δa
(12.4)
La valeur absolue de f ′(a ) assure que la formule est aussi valable si la fonction est
décroissante ; en effet, δa et δg sont des quantités définies positives.
Pour l’incertitude relative :
INTRODUCTION AU LABORATOIRE
εg =
Page 109
δg
g
=
f ′(a)
f ′(a ) δa
f ′(a )
δa = a
εa
== a
f (a)
f (a) a
f (a)
(12.5)
12.6.2 Fonction de deux variables.
G = f ( A, B)
(12.6)
Le résultat des mesures de A et B est noté, conformément à (12.1) :
A = a ± δa
B = b ± δb
G = g ± δg
(12.7)
La valeur numérique de G s’obtient, bien sûr, en remplaçant A et B par leur valeur numérique :
g = f ( a, b)
(12.8)
Pour déterminer l’incertitude δg , on peut procéder de deux manières :
a)
Méthode directe
On calcule les valeurs de G aux bornes de l’intervalle d’incertitude. Ainsi, par exemple,
pour une fonction croissante en A et décroissante en B, les bornes de G sont :
g max = f (a + δa, b − δb)
g min = f (a − δa, b + δb)
(12.9)
Cette méthode présente deux inconvénients. Premièrement, la valeur numérique de g
déterminée par (12.8) n’est par nécessairement au milieu de l’intervalle défini par les
bornes (12.9) ; deuxièmement, dans les cas compliqués, on doit dériver la fonction par
rapport à chacune de ses variables pour savoir si elle est croissante ou décroissante. On
préfère donc utiliser la méthode analytique.
b)
Méthode analytique
Considérant que δa et δb sont petits, on généralise la formule (12.4) en calculant au point
( A, B) :
¾ la pente de la fonction f ( A, B) en faisant varier A, mais en gardant B constant ;
¾ la pente de la fonction f ( A, B) en faisant varier B, mais en gardant A constant.
En utilisant le symbolisme mathématique, on écrit :
Différentielle totale ;
⎛ ∂f ⎞
⎜ ⎟
⎝ ∂A ⎠ B
⎛ ∂f ⎞
⎛ ∂f ⎞
dG = ⎜ ⎟ ⋅ dA + ⎜ ⎟ ⋅ dB
⎝ ∂A ⎠ B
⎝ ∂B ⎠ A
se lit « dérivée de f par rapport à A en en gardant B constant »,
ou « dérivée partielle de f par rapport à A ».
(12.10)
INTRODUCTION AU LABORATOIRE
Page 110
Exemple : f ( A, B) =
− 3 A2
⎛ ∂f ⎞
=
⎜ ⎟
B2
⎝ ∂B ⎠ A
6A
⎛ ∂f ⎞
⎜ ⎟ =
B
⎝ ∂A ⎠ B
3 A2
+5
B
Pour trouver δg , on utilise le même calcul que (12.10), puis on évalue les dérivées en
A = a et B = b . En prenant leurs valeurs absolues, on s’assure que δg est toujours
positif.
⎛ ∂f ⎞
⎟
⎝ ∂A ⎠ B
δg = ⎜
⎛ ∂f ⎞
⋅ δa + ⎜ ⎟
⋅ δb
A= a
⎝ ∂B ⎠ A A = a
B =b
B =b
En allégeant un peu l’écriture :
Formule de la propagation
des erreurs :
(2 variables)
δg =
∂f
∂f
⋅ δa +
⋅ δb
∂A A = a
∂B A = a
B =b
(12.11)
B =b
Voyons maintenant ce que donne la formule de la propagation des erreurs dans quelques cas
fréquemment rencontrés en pratique.
Addition ou soustraction
G = A+ B
δg = δa + δb
(12.12)
G = A− B
Les incertitudes absolues s’ajoutent.
Produit ou quotient
G = k ⋅ AB
(k = cste)
δg
g
G = k ⋅ A/ B
=
δa
a
+
δb
(12.13)
b
Les incertitudes relatives s’ajoutent.
Elévation à des puissances quelconques
G = k ⋅ Am B p
δg
g
=m
δa
a
+ p
δb
b
(12.14)
INTRODUCTION AU LABORATOIRE
Page 111
12.6.3 Présentation des mesures sous forme de tableau
En utilisant un tableur, il est aisé de mettre en forme les résultats expérimentaux et de calculer
les incertitudes des mesures indirectes.
Exemple: G = 3A²/B
mesure
a
0.80
0.81
A
1
incertitudes
absolue
relative
delta a
(delta a) /a
0.05
0.06
0.04
0.05
B
mesure
b
-5.45
-5.42
C
D
incertitudes
absolue
relative
delta b
(delta b) /b
0.02
0.004
0.03
0.006
E
G
g
-0.35
-0.36
F
G
incertitudes
absolue
relative
delta g
(delta g) /g
0.05
0.13
0.04
0.10
H
I
Formules programmées dans les cellules:
1)
2)
3)
4)
C6=ABS(B6/A6)
F6=ABS(E6/F6)
G6 = 3*A6^2/D6
I6=2*C6+F6
H6=ABS(G6*I6)
2
3
4
5
6
7
INTRODUCTION AU LABORATOIRE
Page 112
12.7 VÉRIFICATION GRAPHIQUE D’UNE LOI PHYSIQUE
Considérons deux grandeurs observables G et A reliées par une loi physique G = f ( A) .
Admettons qu’on ait réalisé une série de mesures { ai ; gi }, i = 1 à n de ces grandeurs. Au
laboratoire, un moyen simple de contrôler la pertinence de la loi physique en question est de le
faire graphiquement. Toutefois, un tel contrôle n’est immédiat que si la courbe attendue est une
droite. Pour parvenir à une représentation linéaire, il est donc souvent indispensable de faire un
changement de variable approprié pour nous conduire à une formule du type suivant :
y = mx
ou
y = mx + h
(12.15)
où m est la pente de la droite et h l’ordonnée à l’origine.
Cette opération nécessite le calcul des valeurs numériques { xi ; yi } des nouvelles variables à
partir des valeurs mesurées { ai ; g i } . Il faudra aussi calculer les incertitudes correspondantes
{δxi ; δyi } à partir des incertitudes {δai ; δg i }. Ces calculs seront présentés sous forme de
tableaux.
Dans le graphe de y (x) , chaque point sera représenté avec son incertitude selon les deux axes.
La loi physique étudiée est réputée vérifiée si une droite peut être tracée, qui coupe tous les
« rectangles d’incertitude » obtenus25.
En outre, la pente et l’ordonnée à l’origine de la « meilleure » droite obtenue constituent, en
général une estimation d’une ou deux constantes physiques intervenant dans la loi considérée.
Cette estimation est optimale dans le sens qu’elle tient compte de l’ensemble des n mesures.
Exemple 1
On mesure la capacité C d’un condensateur plan
en fonction de l’épaisseur d de diélectrique entre
ses plaques.
S
La loi physique est C = ε 0ε r
d
avec S = surface d’une plaque
et ε r = constante diélectrique du matériau étudié.
Compléter la figure ci-contre pour obtenir une
droite de pente ε r .
25
O
Si l’estimation des incertitudes est faite sur une base statistique, par exemple, si on prend l’écart-type, alors il suffit que la
droite passe par le 68% des intervalles d’erreur.
INTRODUCTION AU LABORATOIRE
Page 113
Exemple 2
On a réalisé des mesures de l’angle d’incidence
θ i et de l’angle de réfraction θ r d’un rayon
lumineux pénétrant dans un dioptre air/plexiglas.
La loi physique est sin θ i = n sin θ r
Avec n = indice de réfraction.
(Compléter la figure ci-contre pour obtenir une
droite de pente n.)
O
Exemple 3
On mesure la pression P d’un gaz en fonction de
son volume V, à température constante.
La loi physique est PV = cste .
Compléter la figure ci-contre pour obtenir une
droite.
O
Exemple 4
On mesure à chaque demi-période la valeur
absolue de l’amplitude d’oscillation d’un
oscillateur amorti.
La loi physique est A(t ) = A0 exp(−γt )
avec γ = coefficient d’amortissement.
Compléter la figure ci-contre pour obtenir une
droite de pente γ .
O
Une fois les mesures reportées dans un graphe, la détermination de la pente de la droite et de
son ordonnée à l’origine peut se faire graphiquement, ou bien numériquement par la méthode
des moindres carrés (§ 12.9).
INTRODUCTION AU LABORATOIRE
Page 114
12.8 RÉPARTITION STATISTIQUE DES MESURES
12.8.1 Valeur moyenne
Soit une grandeur X que l’on cherche à mesurer. Dans ce but, on effectué n mesures dans des
conditions expérimentales aussi identiques que possible. Après avoir pris soin d’éliminer les
erreurs systématiques, on a donc un ensemble de n valeurs.
{xi } ≡ {x1 , x2 , ...xi , ..., xn }
La meilleure estimation possible de la valeur vraie de X est donnée par la moyenne
arithmétique des valeurs mesurées.
xn =
1
n
n
∑x
(12.16)
i
i =1
12.8.2 Variance et écart-type
Les valeurs mesurées s’écartent toutes plus ou moins de la valeur moyenne. La variance nous
renseigne sur la distribution des mesures autour de la moyenne.
Estimation de la variance :
sn = σ n2 =
1
n −1
n
∑ (x − x )
2
i
n
(12.17)
i =1
La racine carrée de la variance est l’écart-type (ou écart quadratique moyen).
σ n = sn
Lorsque n est suffisamment grand, on peut montrer26 que 68% des mesures se trouvent dans
l’intervalle ( xn ± σ n ) .
Plus n est grand, plus la moyenne xn se rapproche de la vraie valeur de X. On peut monter que
σ ⎞
⎛
la vraie valeur de X a 68% de chance de se trouver dans l’intervalle ⎜ xn ± n ⎟ .
n⎠
⎝
26
Dans le cas d’une distribution normale (voir § 12.8.4).
INTRODUCTION AU LABORATOIRE
Page 115
12.8.3 Histogramme
Considérons un ensemble de n mesures {x1 , x2 , ...xi , ..., xn }. Pour représenter la distribution de
ces mesures, il est pratique de faire un histogramme. On considère l’intervalle dans lequel sont
situées ces mesures et on le partage en un certain nombre d’intervalles Δ identiques choisis de
manière appropriée, ni trop grands, ni trop petits.
Nombre de
mesures
n = 100
12
10
8
6
Δ
4
2
0
X
0
0,5
1,0
1,5
2,0
Fig. 12.2 - Exemple d’histogramme
Deux histogrammes correspondant à deux séries de mesures en nombre différent seraient de
surface inégale, rendant la comparaison malaisée. C’est pourquoi on préfère reporter en
ordonnée la fréquence des mesures, c’est-à-dire leurs nombres dans chaque intervalle divisés
par n.
xn
σn
σn
Fréquence des
mesures
n = 100
0,12
0,10
0,08
0,06
Δ
0,04
0,02
0
X
0
0,5
1,0
1,5
2,0
Fig. 12.3 - Exemple d’histogramme normalisé
avec ajout de la moyenne et de l’écart-type de part et d’autre de la moyenne
INTRODUCTION AU LABORATOIRE
Page 116
12.8.4 Distribution normale (distribution de Gauss)
La plupart des grandeurs physiques mesurées au laboratoire suivent une distribution de
probabilité nommée distribution normale.
Si l’on fait tendre le nombre de mesures n vers l’infini et l’intervalle Δ vers 0, alors
l’histogramme des mesures tend vers une fonction de probabilité f (x) appelée distribution
normale ou distribution de Gauss.
lim f n , Δ ( x) = f ( x) =
n →∞
Δ →0
⎛ ( x − x )2 ⎞
1
exp⎜⎜ − i 2n ⎟⎟
2σ
σ 2π
⎝
⎠
(12.18)
f ( x)dx représente la probabilité qu’une mesure individuelle soit comprise entre x et x + dx.
En particulier, pour un petit intervalle Δ , la fréquence des mesures obtenues dans cet intervalle
tend vers f (x)Δ .
La somme des probabilités sur toutes les valeurs de x doit donner 1.
+∞
∫ f ( x)dx = 1 = 100 %
(12.19)
−∞
f(x)
x
L
σ
σ
x
Fig. 12.4 - Exemple de distribution de Gauss ( x = 0,95 et σ = 0,3 )
Largeur à mi-hauteur :
L = 2 2 ln 2 σ ≅ 2,35σ
(12.20)
INTRODUCTION AU LABORATOIRE
Page 117
12.9 LA MÉTHODE DES MOINDRES CARRÉS
12.9.1 Position du problème
Soit un ensemble de mesures données par n couples de points ( xi , yi ) . On se propose de
déterminer les paramètres d’une droite y = a + bx qui « passe » le mieux par l’ensemble des
points.
S’il existe une relation entre x et y du premier degré, y=a+bx, on peut chercher la droite qui
approche le mieux les mesures dans le sens des moindres carrés. C’est-à-dire qu’on cherche les
coefficients a et b qui minimalisent l’expression :
n
S=
∑ ( y − a − bx )
i
2
(I)
i
i =1
En général, chaque mesure yi est entachée d’une incertitude σ i . Il est judicieux d’en tenir
compte en pondérant chaque carré apparaissant dans la somme (I) de manière à donner moins
d’importance aux mesures imprécises. On cherche donc plutôt les coefficients a et b qui
minimalisent l’expression :
n
S=
∑
i =1
⎛ yi − a − bxi
⎜⎜
σi
⎝
⎞
⎟⎟
⎠
2
(II)
y
pente b
( xi , yi )
incertitude σ i
a
x
Fig. 12.5 – Droite de régression. Si les σ i représentent les incertitudes absolues, la droite de
régression passe en principe par toutes les barres d’erreurs. Si les σ i représentent les écartstypes, la droite de régression ne passe en moyenne que par 68% des barres d’erreurs.
INTRODUCTION AU LABORATOIRE
Page 118
12.9.2 Résultat général
Mathématiquement, on trouve a et b en annulant les dérivées de S par rapport à a et à b.
En calculant au préalable les sommes27 :
n
s1 =
∑σ
1
i =1
2
i
n
sx =
∑σ
n
xi
i =1
sy =
2
i
∑σ
n
yi
s xx =
2
i
i =1
∑
i =1
⎛ xi
⎜⎜
⎝σi
⎞
⎟⎟
⎠
2
n
s xy =
∑σ
xi y i
i =1
2
i
on aboutit aux expressions suivantes:
a=
1
(s xx s y − s x s xy )
Δ
b=
1
(s1s xy − s x s y )
Δ
(1) (2)
Les écarts-types sur a et b sont donnés par :
s xx
Δ
σa =
σb =
s1
Δ
(3) (4)
Δ = s1 s xx − (s x )
2
Avec :
(5)
12.9.3 Cas où tous les écarts-types sont égaux
Lorsque tous les σ i sont égaux à σ , les expressions générales (1) à (5) se simplifient et
peuvent être mises sous la forme ci-dessous. On calcule au préalable les sommes :
n
Sx =
∑x
i
n
Sy =
i =1
∑y
n
i
S xx =
i =1
n
∑x
S xy =
2
i
i =1
∑x y
i
n
i
i =1
S yy =
∑y
2
i
i =1
on aboutit aux expressions suivantes:
a=
1
(S xx S y − S x S xy )
Δ'
b=
1
(nS xy − S x S y )
Δ'
(6) (7)
n
Δ'
(8) (9)
Les écarts-types sur a et b sont donnés par :
σa =σ
Avec :
27
S xx
Δ'
σb = σ
Δ' = nS xx − (S x )
2
Voir notice de laboratoire PHY1 « Mesures et incertitudes », Y. Zeitoun, F. Gaille, 2002.
(10)
INTRODUCTION AU LABORATOIRE
Page 119
12.9.4 Cas où les écarts-types sont inconnus
Dans ce cas, on calcule a et b au moyen des relations (6) et (7), puis on estime un écart-type
global au moyen de l’expression suivante :
1
(S yy − aS y − bS xy )
n−2
σ=
(11)
Cette expression est utilisée ensuite pour calculer les écarts-types par les relations (8) et (9).
Note : On peut mettre (11) sous une autre forme, qui fait apparaître la somme des carrés que
l’on a minimalisés.
1
σ=
n−2
∑ ( y − a − bx )
n
2
i
(11’)
i
i =1
12.9.5 Définition du coefficient de corrélation
A partir des moyennes
x=
1
n
n
∑
y=
xi
i =1
1
n
n
∑y
i
i =1
On définit le coefficient de corrélation comme :
∑ ( x − x )( y − y)
n
i
r=
i
i =1
n
n
∑ (x − x ) ∑ ( y − y)
2
2
i
i
i =1
i =1
Avec les sommes calculées précédemment, il peut se mettre sous la forme :
SxS y
S xy −
n
r=
2 ⎛
S y2 ⎞
⎛
S x ⎞⎜
⎟
⎜⎜ S xx −
⎟⎟ S yy −
⎜
⎟
n
n
⎝
⎠⎝
⎠
(12)
Les écarts-types sur a et b peuvent alors être calculé par :
1
−1
2
r
σb = b
n−2
et
σa =σb
S xx
n
(Cette formule donne les mêmes valeurs que (8) et (9) lorsque σ est donné par (11).)
(13)
INTRODUCTION AU LABORATOIRE
Page 120
12.9.6 Exemples
On se propose de vérifier que l’allongement d’un ressort est proportionnel à la force appliquée.
Pour cela, on suspend au ressort différents poids et on mesure son allongement à l’aide d’une
réglette. Les valeurs suivantes ont été relevées :
No
x
Poids
[N]
0
10
20
30
40
50
60
70
80
90
100
110
1
2
3
4
5
6
7
8
9
10
11
12
y
Position
[mm]
84.3
89.7
95.2
100.8
106.1
111.6
117.2
122.5
128.3
135.4
140.3
144.1
On estime l’incertitude sur y à ± 0,5 mm.
12.9.6.1 Mise en œuvre simple sur calculatrice
Lorsque l’on introduit les couples de valeurs ( xi , yi ) , une calculatrice, comme la HP 32S,
calcule au fur et à mesure les moyennes suivantes :
x=
1
n
n
∑
i =1
xi
y=
1
n
n
∑
yi
xy =
i =1
1
n
n
∑
xi y i
x2 =
i =1
1
n
n
∑
i =1
xi2
y2 =
1
n
n
∑y
2
i
i =1
Attention : Les paramètres de la droite de régression sont programmés comme y = mx + b:
b=
xy − x y
= m sur HP
x2 − x 2
a = y − bx = b sur HP
Utiliser les touches Σ+ pour stocker les valeurs ( xi , y i ) . Ensuite les touches → L.R pour
extraire les valeurs a et b. (Pour plus de détails, se référer au mode d’emploi de la calculatrice.)
On obtient : a = 84,11 et b = 0,555
Le coefficient r = 0,999564 permet de calculer les écarts-types par les relations (13).
INTRODUCTION AU LABORATOIRE
Page 121
12.9.6.2 Mise en œuvre sur Excel
Dans des colonnes, on calcule x2 et xy. Puis on calcule les moyennes, et enfin a et b.
No
y
Position
[mm]
84.3
89.7
95.2
100.8
106.1
111.6
117.2
122.5
128.3
135.4
140.3
144.1
x carré
xy
1
2
3
4
5
6
7
8
9
10
11
12
x
Poids
[N]
0
10
20
30
40
50
60
70
80
90
100
110
0
100
400
900
1600
2500
3600
4900
6400
8100
10000
12100
0.0
897.0
1904.0
3024.0
4244.0
5580.0
7032.0
8575.0
10264.0
12186.0
14030.0
15851.0
Moyennes:
55
114.6
4216.7
6965.6
b=
a=
0.555
84.11
[mm/N]
[mm]
Estimation des écarts-types de a et b
Nous envisageons les 2 cas :
1) les écarts-types sur les mesures yi sont connus et tous égaux à une valeur σ = 0.5 mm;
2) les écarts-types sur les mesures yi sont inconnus. Dans ce cas, on prend la relation (11’):
σ=
1
n−2
∑ ( y − a − bx )
n
i
2
i
i =1
Les estimations des écarts types sur a et b sont alors donnés par :
σb =σ
1/ n
x −x
2
2
et
σ a = σ b x2
INTRODUCTION AU LABORATOIRE
No
Page 122
y
allongement
[mm]
84.3
89.7
95.2
100.8
106.1
111.6
117.2
122.5
128.3
135.4
140.3
144.1
x carré
1
2
3
4
5
6
7
8
9
10
11
12
x
Poids
[N]
0
10
20
30
40
50
60
70
80
90
100
110
0
100
400
900
1600
2500
3600
4900
6400
8100
10000
12100
0.0
897.0
1904.0
3024.0
4244.0
5580.0
7032.0
8575.0
10264.0
12186.0
14030.0
15851.0
Moyennes
:
55
114.6
4216.7
6965.6
0.55486014
84.1076923
1
[mm/N]
b=
a=
xy
erreur
[mm]
0.2
0.0
0.0
0.0
-0.2
-0.3
-0.2
-0.4
-0.2
1.4
0.7
-1.0
erreur^2
Somme:
3.84
0.04
0.00
0.00
0.00
0.04
0.06
0.04
0.20
0.04
1.84
0.50
1.09
[mm]
1) Incertitudes sur y connues et toutes égales à sigma
sigma=
0.5
sigma(b)=
sigma(a)=
Estimation
y=a+bx
[mm]
84.1
89.7
95.2
100.8
106.3
111.9
117.4
122.9
128.5
134.0
139.6
145.1
0.0042
0.2715
2) Incertitudes sur y inconnues
sigma=
0.62
sigma(b)=
sigma(a)=
Résultats finals, en ne gardant que les chiffres significatifs :
1)
a = (84,11 ± 0,27) mm
et b = (0,5548 ± 0,0042) mm/N
2)
a = (84,11 ± 0,34) mm
et b = (0,5548 ± 0,0052) mm/N
Si on décide de ne garder qu’un seul chiffre incertain :
1)
a = (84,1 ± 0,3) mm
et b = (0,555 ± 0,004) mm/N
2)
a = (84,1 ± 0,35) mm
et b = (0,555 ± 0,005) mm/N
0.0052
0.3367
INTRODUCTION AU LABORATOIRE
Page 123
12.9.6.3 Mise en œuvre sur Matlab
Traitons le cas où les écarts-types sur les mesures yi sont tous égaux à une valeur σ = 0.5 mm.
% Traitement des données par régression linéaire
clear all ; close all ; format compact ;
% valeurs mesurées
x = [ 0
10
20
30
40
50
60
70
80
90
100
110] ; % [N]
y = [84.3 89.7 95.2 100.8 106.1 111.6 117.2 122.5 128.3 135.4 140.3 144.1] ; % [mm]
sig=[ 0.5 0.5 0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5
0.5] ; % incertitude
%
% régression linéaire y = a + bx
sig2=sig.^2; sx=sum(x./sig2); sy=sum(y./sig2); s1=sum(1./sig2);
sxx=sum((x./sig).^2); sxy=sum(x.*y./sig2);
Delta=s1*sxx-sx^2;
a=(sxx*sy-sx*sxy)/Delta; b=(s1*sxy-sx*sy)/Delta;
sigma_a=sqrt(sxx/Delta); sigma_b=sqrt(s1/Delta);
%
% traçage
errorbar(x,y,sig,'o') ; hold on ;
xfit=-20:20:120; yfit=a+b*xfit;
plot (xfit,yfit) ;
axis ([-20, 120, 60, 160]) ; grid; box on;
title('Régression linéaire') ;
xlabel('x [N]') ; ylabel('y [mm]') ;
% affichage des infos
texte = ['y = a + b*x avec a =', num2str(a,3),
'
b =', num2str(b,3)] ;
text(-10,145, texte) ;
texte = ['sigma(a) =', num2str(sigma_a,3)];
text(-10,135, texte) ;
texte = ['sigma(b) =', num2str(sigma_b,3)];
text(-10,125, texte) ;
print -deps ressort.eps
Régression linéaire
160
150
y = a + b*x avec a =84.1
b =0.555
140
sigma(a) =0.272
130
sigma(b) =0.00418
y [mm]
120
110
100
90
80
70
60
−20
0
20
40
60
80
100
120
x [N]
Fig. 12.6
Was this manual useful for you? yes no
Thank you for your participation!

* Your assessment is very important for improving the work of artificial intelligence, which forms the content of this project

Download PDF

advertising