Mesures, erreurs et incertitudes en physique-chimie - Union des ...
Mesures, erreurs et incertitudes en physique-chimie - Union des ...
Mesures, erreurs et incertitudes en physique-chimie - Union des ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Mesures</strong>, <strong>erreurs</strong> <strong>et</strong> <strong>incertitu<strong>des</strong></strong> <strong>en</strong> <strong>physique</strong>-<strong>chimie</strong> - R<strong>en</strong>é Moreau<br />
(δm 2 / m 2 = 1 %), on trouve n = 1,907, soit une variation δn telle que δn / n ≈ − 5 % = − 5 δm 2 / m 2 .<br />
L'expression précéd<strong>en</strong>te montre donc qu'il faut être soigneux dans les mesures de m 1 <strong>et</strong> m 2 car une<br />
erreur de 2,5 % par excès sur m 1 combinée à une erreur par défaut de 2,5 % sur m 2 , par exemple, <strong>en</strong>traîne<br />
une valeur de n supérieure à 2,5 <strong>et</strong> donc une erreur sur le coeffici<strong>en</strong>t stœchiométrique n, car on pr<strong>en</strong>dra<br />
alors n = 3 au lieu de n = 2.<br />
Heureusem<strong>en</strong>t, les mesures de m 1 <strong>et</strong> de m 2 étant effectuées avec la même balance, nous avons vu, à<br />
δ m1<br />
δ m 2<br />
propos <strong>des</strong> voltmètres (§ 3.2), qu'elles sont corrélées par l'appareil : <strong>et</strong> , assez fortem<strong>en</strong>t liées,<br />
m1<br />
m 2<br />
ont ainsi de fortes chances d’être de même signe.<br />
Cela explique le succès de c<strong>et</strong>te manipulation qui est souv<strong>en</strong>t réalisée <strong>en</strong> classe.<br />
La simulation numérique, à l'aide de nombres au hasard à répartition gaussi<strong>en</strong>ne, peut être utilisée<br />
pour familiariser les élèves avec certains phénomènes.<br />
Supposons par exemple que l'on dispose de mille nombres x i répartis de manière normale autour de<br />
zéro, avec un écart-type σ égal à l'unité. Pour obt<strong>en</strong>ir <strong>des</strong> nombres répartis autour de X = 85 avec σ' = 3,<br />
par exemple, il suffit de transformer les nombres x i <strong>en</strong> y i tels que y i = 85 + 3 x i : on peut donc obt<strong>en</strong>ir<br />
n'importe quelle population gaussi<strong>en</strong>ne.<br />
On peut ainsi simuler un produit de grandeurs U <strong>et</strong> I affectées d'<strong>erreurs</strong> aléatoires à répartition<br />
gaussi<strong>en</strong>ne comme P = U I, ou un quoti<strong>en</strong>t comme R = I<br />
U <strong>et</strong> comparer<br />
P<br />
a posteriori sur une c<strong>en</strong>taine de cas, à<br />
On constatera ainsi que :<br />
σP<br />
P<br />
σ U<br />
U<br />
σ R<br />
= =<br />
R<br />
<strong>et</strong><br />
σ I<br />
I<br />
2<br />
⎛ σ U ⎞<br />
⎜ ⎟<br />
⎝ U ⎠<br />
quantités connues.<br />
⎛ σ<br />
+ ⎜<br />
⎝ I<br />
I<br />
2<br />
⎞<br />
⎟<br />
⎠<br />
σ P<br />
ou<br />
σ R<br />
R<br />
, quantités calculées<br />
Ce résultat particulier étant indép<strong>en</strong>dant du type de distribution utilisée, il n’est pas nécessaire que les<br />
nombres au hasard considérés soi<strong>en</strong>t tirés d’une distribution gaussi<strong>en</strong>ne ; <strong>des</strong> nombres issus d’une<br />
répartition uniforme sur un intervalle donné convi<strong>en</strong>n<strong>en</strong>t aussi bi<strong>en</strong>.<br />
Ce qui devrait être acquis <strong>en</strong> terminale<br />
Variable aléatoire, estimation de sa moy<strong>en</strong>ne<br />
La notion de variable aléatoire figure au programme de mathématiques, avec ses corollaires : fonction<br />
de répartition, écart-type, <strong>et</strong>c. On <strong>en</strong> profite pour prés<strong>en</strong>ter, <strong>en</strong> utilisant un vocabulaire correct, le<br />
caractère probabiliste de certaines <strong>erreurs</strong> : si l'on mesure une grandeur X, inconnue, à l'aide d'une<br />
méthode ne comportant pas d'erreur systématique, chaque mesure est assimilable à la valeur prise par une<br />
variable aléatoire x c<strong>en</strong>trée sur X, c'est-à-dire que sa moy<strong>en</strong>ne, ou espérance mathématique E(x), vérifie<br />
l'égalité E(x) = X.<br />
Un <strong>en</strong>semble, appelé échantillon de n mesures indép<strong>en</strong>dantes x i , obt<strong>en</strong>ues <strong>en</strong> utilisant la même<br />
méthode <strong>et</strong> du matériel comparable, une fois débarrassé <strong>des</strong> mesures manifestem<strong>en</strong>t fausses (TP<br />
"collectif"), perm<strong>et</strong> d'estimer X par la moy<strong>en</strong>ne m <strong>des</strong> x i : c'est le meilleur estimateur de X (voir<br />
annexe 2).<br />
Par exemple, la détermination de la masse de Jupiter par l'analyse du mouvem<strong>en</strong>t de ses satellites, à<br />
partir de mesures de distances effectuées sur <strong>des</strong> photocopies de docum<strong>en</strong>ts annotés (afin de déterminer le<br />
diamètre de chaque orbite de satellite <strong>et</strong> sa période de révolution) conduit à <strong>des</strong> résultats individuels qui<br />
peuv<strong>en</strong>t être décevants pour tel ou tel élève. En revanche, pour un groupe d'une douzaine d'élèves<br />
travaillant indép<strong>en</strong>damm<strong>en</strong>t, le résultat collectif devi<strong>en</strong>t satisfaisant car l'erreur relative de la<br />
détermination collective peut être inférieure à 5 %.<br />
.<br />
La pluridisciplinarité dans les <strong>en</strong>seignem<strong>en</strong>ts sci<strong>en</strong>tifiques - Tome 2 : La place de l'expéri<strong>en</strong>ce<br />
Actes de l'université d'été, du 9 au 13 juill<strong>et</strong> 2001, Cachan<br />
© Ministère de la Jeunesse, de l'Éducation nationale <strong>et</strong> de la Recherche /Direction de l'Enseignem<strong>en</strong>t scolaire- Eduscol le 01 avril 2003<br />
18/31