II - de l'Université libre de Bruxelles
II - de l'Université libre de Bruxelles
II - de l'Université libre de Bruxelles
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