10.07.2015 Views

II - de l'Université libre de Bruxelles

II - de l'Université libre de Bruxelles

II - de l'Université libre de Bruxelles

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

L’incertitu<strong>de</strong> globale nommée ‘incertitu<strong>de</strong> standard composée’ (combinedstandard uncertainty) u c (y) va résulter d’une accumulation <strong>de</strong> contributions ‘u(x i )’associées aux incertitu<strong>de</strong>s respectives <strong>de</strong>s variables d’entrée. En se limitant aupremier ordre du développement en série <strong>de</strong> Taylor <strong>de</strong> ‘f’ (malgré les nonlinéaritéspossibles du modèle), on obtient la loi <strong>de</strong> propagation <strong>de</strong>s incertitu<strong>de</strong>s :u2NN −1N22∂f∂fc( y)= ∑ u ( xi) + 2∑ ∑ u(xi, xj) (A.1-2)i=1 ii= 1 j= i+1∂xi∂xj⎛ ∂f⎜⎝ ∂x⎞⎟⎠Le premier groupe du membre <strong>de</strong> droite correspond aux contributionsindépendantes <strong>de</strong>s variables d’entrée. Les dérivées partielles représentent lescoefficients <strong>de</strong> sensibilité. Ceux-ci traduisent la part d’incertitu<strong>de</strong> pour ‘Y’associée à ‘u(x i )’. Si on modifie l’estimation <strong>de</strong> ‘x i ’ d’une quantité ‘u(x i )’, alorsl’estimation <strong>de</strong> ’Y’ sera affectée d’un changement ∂ f ∂x . u(x ) ./i iLe second groupe intègre les contributions complémentaires liées auxcorrélations retenues entre les variables. L’estimation <strong>de</strong> la covariance entre ‘x i ’et ‘x j ’ est représentée par ‘u(x i , x j )’.Pour SOLSPEC, certaines variables d’entrée ‘X i ‘ du modèle mathématiquesont elles-mêmes considérées comme le résultat <strong>de</strong> relations fonctionnellessecondaires. Le modèle global est donc plus complexe et fait apparaître <strong>de</strong>scompositions <strong>de</strong> fonctions.Les variables d’entrée sont aléatoires et caractérisées par <strong>de</strong>sdistributions <strong>de</strong> probabilité (PDF : Probability Distribution Function). Une variable<strong>de</strong> type A possè<strong>de</strong> une PDF bien i<strong>de</strong>ntifiée (distribution <strong>de</strong> Poisson, gaussienne,…) et son écart-type peut être déterminé par une analyse statistique d’une séried’observations. Pour une variable du type B, la répétition <strong>de</strong> mesures n’a pu êtrecollectée et la PDF doit être estimée sur base d’un jugement scientifique à partir<strong>de</strong> données issues d’observations antérieures. On en déduit une estimation <strong>de</strong> lavariance.Une erreur <strong>de</strong> mesure est définie comme l’écart entre une estimation ‘y’ etla valeur vraie ‘y v ’ <strong>de</strong> ‘Y’. Cette erreur peut être séparée en <strong>de</strong>ux composantesaléatoire et systématique. L’erreur aléatoire correspond à l’écart entre uneestimation ponctuelle <strong>de</strong> ‘Y’ et la meilleure estimation ‘’ définieprécé<strong>de</strong>mment. L’erreur systématique correspond logiquement à la différenceentre la valeur réelle ‘y v ’ et la valeur moyenne ‘’. La somme <strong>de</strong>s <strong>de</strong>uxcontributions aléatoire et systématique (erreur aléatoire globale) peut doncs’exprimer comme suit :u y ) = ( y − < y > ) + ( < y > − y )(A.1-3)(i ivLors <strong>de</strong> la détermination d’une incertitu<strong>de</strong> standard composée ‘u c (y)’, il estpréférable <strong>de</strong> classer les sources d’incertitu<strong>de</strong>s selon les catégories A et B plutôtque <strong>de</strong> travailler en terme d’erreurs aléatoires et systématiques. Notons que pour194

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!