1 Introduction à Scilab - CNRS Orleans
1 Introduction à Scilab - CNRS Orleans
1 Introduction à Scilab - CNRS Orleans
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
où l’opérationM \ d signifie que le vecteurdest divisé par la matriceMdepuis la gauche.<br />
Assurez-vous auparavant que t et d sont des vecteurs colonne.<br />
Vérifiez que le résultat obtenu est identique <strong>à</strong> celui trouvé en 1.<br />
3. Il est important de savoir dans quelle mesure le modèle linéaire reproduit bien les résultats.<br />
Il suffit pour cela d’estimer l’épaisseurdfit prédite par le modèle (1). Cela s’obtient<br />
avec<br />
dfit = M*coef;<br />
oùMetcoef sont les variables calculées précédemment. Comparezdfit <strong>à</strong>det déterminez<br />
si le modèle linéaire semble correct.<br />
4. Validation de la régression<br />
Pour quantifier les résultats ci-dessus, il convient de faire un test du χ 2 . Calculez l’écart quadratique<br />
moyen et comparez-le <strong>à</strong> la valeur seuil d’une loi du χ 2 <strong>à</strong> ν degrés de liberté, pour un<br />
niveau de confiance de 1 %.<br />
5. Extrapolation avec ce modèle<br />
Une fois que le modèle est validé, on peut l’utiliser pour extrapoler les données. Il est intéressant<br />
de connaître l’épaisseur de la couche pour des temps très courts, qui sont difficilement<br />
accessibles expérimentalement. Déterminez la valeur ˆ d prédite par le modèle pour t = 0 et<br />
donnez en particulier son incertitude. Que peut-on en conclure sur le processus ?<br />
14