Documente Academic
Documente Profesional
Documente Cultură
Introduction
Lexique
Documents utiliss
CHAPITRES
Chapitre I : Vocabulaire de la mtrologie
I - Dfinitions
II - La notion derreur alatoire
III - La notion derreur systmatique
IV - Lerreur de mesure
V - Conclusion
VI - La notion dincertitude de mesure
VII Complments de vocabulaire
MONTELIMAR
MONTELIMAR
B - Burettes manuelles
I - Mesure simple dun volume
II - Mesure dun volume lors dun dosage
1- Evaluation de lincertitude largie U(v)rep. Exemple 1 : talonnage dune solution par
pese
2- Dtection dune ventuelle erreur systmatique
3- Dtection dune erreur accidentelle
4- Exemple 2 : dosage pHmtrique
MONTELIMAR
B - Dosage conductimtrique.
I- Schma du montage.
II- La chane de mesure.
III- Contrle de la grandeur dinfluence .
IV - La prparation des solutions.
V - Etalonnage de la chane de mesure et modlisation du nuage de points.
VI - Dosage dune solution.
C- Dosage spectrophotomtrique.
I - Transmittance et absorbance dun solut.
II - Loi de Beer .
III - La chane de mesure.
IV - Le dosage dune solution.
V - Les sources derreur.
VI - Evaluation de lincertitude C.
VII - Les rsultats obtenus.
MONTELIMAR
EXERCICES (+ corrigs)
Tous les exercices sont destins aux professeurs
Exercices des chapitres I, II, III
-
Exercice 1 et 2 : vocabulaire
Exercice 3 : incertitude dun multimtre
Exercice 4 : mesure de lpaisseur dune feuille de papier
Exercices 5 et 6 : mesure de rsistances
Exercices de mcanique :
-
MONTELIMAR
Introduction
- Quel enseignant scientifique na jamais t confront lvaluation de lincertitude
dune mesure ? Et comment dfinir les chiffres significatifs dun rsultat si lon ne
dispose pas de cette valuation ?
- Pour valuer lincertitude dune mesure, on peut, dans certains cas, utiliser la
dispersion des rsultats de plusieurs groupes dlves travaillant dans les mmes
conditions.
Mais comment procde-t-on lors dun examen ou lorsque lon ne dispose pas de
matriel en quantit suffisante ?
- Nous avons recherch comment procde la communaut internationale des
mtrologues pour valuer lincertitude dune mesure effectue par un seul oprateur
(mesure unique).
Nous en avons retenu lessentiel du vocabulaire et des mthodes.
- Les outils mathmatiques utiliss ne sont pas actuellement accessibles des
lves de lyce. Nous avons cherch des solutions qui leur permettent dvaluer la
valeur dune incertitude dune mesure. Ces solutions doivent dissimuler les obstacles
mathmatiques tout en prservant la comprhension de la signification physique des
grandeurs utilises.
- Ces outils ont t expriments avec des lves de lyce.
Leur utilisation na pas pos de problme particulier.
- Dans tous les cas, cest le professeur qui tablit la fonction dvaluation de la valeur
dune incertitude. Les lves sont invits valuer la valeur des diffrentes
composantes de lincertitude. Une feuille de calcul, mise leur disposition, leur
permet dvaluer rapidement la valeur dune incertitude, sans sgarer dans des
calculs numriques souvent lourds.
En comparant le poids des diffrentes sources dincertitude, ils peuvent exercer
leur jugement critique.
- Lobjectif est de mettre la disposition de nos lves des outils qui leur permettent
dexercer des activits exprimentales avec rigueur, honntet intellectuelle et bon
sens.
- Ce document expose comment un professeur peut tablir la fonction dvaluation
de la valeur dune incertitude sous une forme accessible des lves de lyce.
- Il propose aussi des feuilles de calcul permettant dobtenir rapidement un rsultat
ainsi que des exercices et leur corrig.
MONTELIMAR
Lexique
Vocabulaire gnral (Vocabulaire International de la Mtrologie :
VIM) :
Conditions de rptabilit :
- N mesures sont effectues dans les conditions de rptabilit si le mme
oprateur, ou le mme programme, effectue les N mesures, avec le mme
instrument, exactement dans les mmes conditions.
Erreur alatoire :
- Composante de lerreur de mesure qui, dans des mesurages rpts, varie
de faon imprvisible (VIM).
Erreur de mesure :
- Lerreur de mesure est la diffrence entre la valeur mesure dune grandeur
et la valeur vraie du mesurande (VIM).
Erreur systmatique :
- Composante de lerreur de mesure qui, dans des mesurages rpts,
demeure constante (VIM)
Etalon :
- Un mesurande talon est un mesurande dont la valeur est garantie, dans des
conditions spcifies, sur un intervalle de confiance associ un niveau de
confiance.
Etalonnage :
- Ltalonnage est lensemble des oprations tablissant, dans des conditions
spcifies, la relation entre les valeurs de la grandeur indiques par un
instrument de mesure ou un systme de mesure et les valeurs
correspondantes de la grandeur, ralises par des talons.
Note (VIM) :
Le rsultat dun talonnage permet dattribuer aux indications les valeurs
correspondantes du mesurande.
Exactitude :
- Lexactitude de mesure est ltroitesse de laccord entre une valeur mesure
et une valeur vraie dun mesurande (VIM).
Fidlit :
MONTELIMAR
Incertitude de mesure :
- Paramtre non ngatif qui caractrise la dispersion des valeurs attribues
un mesurande (VIM).
Note :
Ce paramtre peut tre, par exemple, la demi-largeur dun intervalle de niveau de
confiance dtermin.
Indication :
Justesse :
- La justesse dun instrument de mesure est son aptitude donner
des indications exemptes derreur systmatique.
Mesurande :
- Le mesurande est la grandeur que lon veut mesurer (VIM).
Mesurage :
- Le mesurage est le processus consistant obtenir exprimentalement une ou
plusieurs valeurs que lon peut raisonnablement attribuer une grandeur.
Rsultat de mesure :
- Ensemble de valeurs attribu un mesurande (VIM)
Note (VIM):
- Le rsultat de mesure est gnralement exprim par une valeur mesure
unique et une incertitude de mesure.
Pour viter toute confusion, nous appellerons m la valeur mesure de la grandeur
M (un nombre), et M le rsultat de mesure, cest dire lexpression complte du
rsultat (un intervalle de valeurs, associ un niveau de confiance).
La mesure est directe lorsque linstrument de mesure fournit directement la valeur
m. Si le rsultat est obtenu partir de la valeur dautres grandeurs (m = f(x, y, z,
.)), on parle de mesure indirecte.
Systme de mesure :
- Un systme de mesure contient tout ce qui est ncessaire pour obtenir des
valeurs mesures dun mesurande.
Note (VIM) :
Un instrument de mesure qui peut tre utilis seul est un systme de mesure.
Valeur mesure :
- Valeur dune grandeur reprsentant un rsultat de mesure (VIM).
Note (VIM):
- Pour un mesurage impliquant des indications rptes, chacune peut tre utilise
pour fournir une valeur mesure correspondante. Cet ensemble de valeurs mesures
individuelles peut ensuite tre utilis pour calculer une valeur mesure rsultante,
MONTELIMAR
telle quune moyenne ou une mdiane, en gnral avec une incertitude de mesure
associe.
Valeur vraie du mesurande :
- La valeur vraie (Mvrai) du mesurande est la valeur que lon obtiendrait si le
mesurage tait parfait.
MONTELIMAR
Documents utiliss
Education Nationale, site eduscol
-
Tout ce qui concerne les incertitudes de mesure dans les programmes et leurs
commentaires, du Collge au Lyce.
Mesures, erreurs et incertitudes en physique-chimie par Ren Moreau (Inspecteur gnral
de lducation Nationale) : La pluridisciplinarit dans les enseignements scientifiquesTome 2 : la place de lexprience. Actes de luniversit dt, juillet 2001, Cachan.
http://www.eduscol.education.fr/cid46530/mesures-erreurs-et-incertitudes-en-physiquechimie-actes-de-de-l-universite-d-ete-la-pluridisciplinarite-dans-les-enseignementsscientifiques.html
AFNOR : publication
-
MONTELIMAR
10
MONTELIMAR
11
Chapitre I
Vocabulaire de la mtrologie
Mesurer une grandeur (intensit dun courant, tension, longueur,.), cest rechercher la
valeur de cette grandeur. Si lon souhaite approfondir la notion de mesure dune
grandeur , il est indispensable dutiliser un vocabulaire particulier. Le langage de la
mtrologie est dfini dans le Vocabulaire International de la Mtrologie (VIM) adopt par
lensemble des organisations internationales de mtrologie et publi en 2008 par lISO
(Organisation Internationale de Normalisation) et nous en retiendrons lessentiel.
Dans tous les cas les dfinitions prcises par ce document sont trs labores et toutes ne
sont pas accessibles des lves de lyce. Une des difficults de la mtrologie est la
confusion entre les concepts derreur et dincertitude de mesure : nous nous attacherons la
dissiper.
I- Dfinitions :
Le mesurande est la grandeur que lon veut mesurer (VIM).
Le mesurage est le processus consistant obtenir exprimentalement une ou plusieurs
valeurs que lon peut raisonnablement attribuer une grandeur.
Exemple :
On veut mesurer la valeur de la rsistance R dun diple passif linaire : le mesurande est la
rsistance R de ce diple, le mesurage est effectu, par exemple, avec un ohmmtre.
- La valeur vraie (Mvrai) du mesurande est la valeur que lon obtiendrait si le
mesurage tait parfait (VIM).
Un mesurage ntant jamais parfait, cette valeur est toujours inconnue.
- Le rsultat de mesure est lensemble de valeurs attribu un mesurande (VIM)
Note (VIM):
- Le rsultat de mesure est gnralement exprim par une valeur mesure unique et
une incertitude de mesure.
Pour viter toute confusion, nous appellerons m la valeur mesure de la grandeur M (un
nombre), et M le rsultat de mesure, cest dire lexpression complte du rsultat (un
intervalle de valeurs, associ un niveau de confiance).
La mesure est directe lorsque linstrument de mesure fournit directement la valeur m. Si le
rsultat est obtenu partir de la valeur dautres grandeurs (m = f(x, y, z, .)), on parle de
mesure indirecte.
-
Exemple : le mesurande est une rsistance R. La valeur mesure est 102,50 . Lincertitude
de mesure est de 0,25 et le niveau de confiance est de 95 %.
Cela signifie quil y a 95 chances sur 100 pour que la valeur vraie du mesurande appartienne
lintervalle [102,25 ; 102,75] .. Cet intervalle est souvent appel intervalle de confiance.
Le rsultat de mesure est not R = (10,25 0,25) , avec un niveau de confiance de 95 %.
Lincertitude de mesure permet dindiquer quel est lintervalle des valeurs probables du
mesurande. Nous prciserons, dans le chapitre II, les notions de valeur probable et de
niveau de confiance .
Dans ce chapitre nous allons essayer de comprendre pour quelles raisons le rsultat de mesure
nest jamais un nombre mais toujours un intervalle de valeurs.
Un mesurage ntant jamais parfait, il y a toujours une erreur de mesure ER = (m - Mvrai.).
- Lerreur de mesure est la diffrence entre la valeur mesure dune grandeur et la
valeur vraie du mesurande (VIM).
La valeur Mvrai tant toujours inconnue, il en est de mme de la valeur de lerreur ER.
A. BERNARD et J-L VIDAL Lyce des Catalins
MONTELIMAR
12
Freq
(%)
Min
Max
Le programme affiche les valeurs mmin = Min et mmax = Max des mesures, la valeur moyenne
<m> (mean) des 2000 mesures et lcart-type (standard dviation : std.dev) de leur
distribution autour de la valeur moyenne (nous reviendrons sur cette grandeur qui reprsente
la dispersion des valeurs autour de la valeur moyenne).
Les N mesures sont effectues dans les conditions de rptabilit :
- Le mme oprateur, ou le mme programme, effectue les N mesures, avec le mme
instrument, exactement dans les mmes conditions.
Le meilleur estimateur de la valeur du mesurande est la valeur moyenne <m> des N mesures.
Mais une mesure mi parmi les N est en gnral diffrente de <m>.
La diffrence ERa = mi - <m> est appele erreur alatoire.
Lors de chaque mesure lerreur alatoire peut prendre nimporte quelle valeur entre
(mmax - <m>) et (mmin - <m>).
MONTELIMAR
13
Dans ces conditions, linstrument ne mesure pas R mais R + Rf. Chaque mesure mi est
systmatiquement plus grande que la valeur de R (nous avons utilis des fils de 2 m de long et
de faible section).
Freq
(%)
Min
Max
La valeur moyenne <m> des N mesures est plus grande que dans le cas prcdent. Les N
mesures mi sont disperses autour de <m> et il y a toujours une erreur alatoire. Mais toutes
les valeurs mi sont dcales et il y a aussi une erreur systmatique ERS.
Par dfinition, lerreur systmatique ERS = (<m> - Mvrai).
La fidlit dun instrument de mesure est son aptitude donner des indications
trs voisines lors de lapplication rpte du mme mesurande dans les mmes
conditions.
La justesse dun instrument de mesure est son aptitude donner des indications
exemptes derreur systmatique.
MONTELIMAR
14
V- Conclusion :
mi
Valeur mesure
Mesurande
M
Systme de mesure
Mvrai ,
valeur vraie du
mesurande
Mvrai
<m>
une mesure mi
ER = (mi - Mvrai) pour ce rsultat
Le systme de mesure contient tout ce qui est ncessaire pour obtenir une mesure m i de la
valeur du mesurande M (un nombre et une unit).
On prsente le mesurande Mvrai lentre du processus de mesure et lon ralise N mesures mi
dans les conditions de rptabilit.
Si le mesurage tait parfait, toutes les mesures auraient la mme valeur mi = Mvrai.
Un mesurage nest jamais parfait et il y a toujours une erreur de mesure ER = (mi Mvrai)
dont on ne peut connatre que lintervalle dincertitude.
Tous les rsultats sont disperss autour de la valeur moyenne <m> des N mesures : chaque
valeur mesure mi est affecte par une erreur alatoire ERa = (mi - <m>).
Souvent, tous les rsultats sont dcals de la mme quantit ERS = (<m> - Mvrai), erreur
systmatique du mesurage.
Dans tous les cas lerreur de mesure ER = ERS + ERa.
Il y a toujours une erreur ER = (mi Mvrai). Une valeur mi peut tre gale la valeur Mvrai,
mais nous nen saurons jamais rien, parce que tout ce que lon peut connatre cest un
encadrement des valeurs probables de lerreur ER.
Si lon crit que Mvrai = mi - ER, on tente dobtenir la valeur de la grandeur dentre partir
de la valeur mi obtenue la sortie. La valeur de lerreur ER tant toujours inconnue, il est
impossible dobtenir la valeur Mvrai recherche. Nous allons voir que le concept dincertitude
de mesure permet dapporter une rponse la question Quelle est la valeur de Mvrai ? .
Remarque :
Nous avons dgag les concepts derreur alatoire ou systmatique en envisageant N mesures
du mme mesurande effectues dans les conditions de rptabilit. Nous avons montr que
pour chaque valeur mesure il y a une erreur ER dont la valeur est inconnue. En
consquence, si lon ralise une seule mesure m, il y aura toujours une erreur ER.
MONTELIMAR
15
- Note :
Ce paramtre peut tre, par exemple, la demi-largeur dun intervalle de niveau de confiance
dtermin.
Lvaluation de lincertitude de mesure constitue lessentiel de ce document. Dans ce
paragraphe nous allons prciser simplement la nature de la grandeur incertitude de
mesure . Dans les chapitres suivants nous dfinirons les outils qui permettent dvaluer la
valeur de lincertitude de mesure et le niveau de confiance qui lui est associ.
Considrons une mesure m de la valeur dun mesurande M.
Lutilisateur du systme de mesure dispose de la valeur m et recherche la valeur de Mvrai.
Nous avons vu quil y avait toujours une erreur de mesure ER = (m Mvrai).
La valeur de lerreur ER tant toujours inconnue, il est impossible dobtenir la valeur de Mvrai
partir de la valeur m.
Lors dune mesure la valeur de lerreur ER est inconnue, mais nous verrons quon peut
valuer lintervalle dincertitude [ERmin ; ERmax] des valeurs probables de lerreur ER.
La faon dont cet intervalle est valu na, pour linstant, pas dimportance. Retenons que
cette valuation est possible et quelle est conduite de telle sorte que |ERmin| = |ERmax|.
Ignorer la valeur de certaines grandeurs ne nous empche pas de raisonner avec ces
grandeurs.
Exemple :
On mesure la valeur dune rsistance R avec un ohmmtre.
La valeur mesure m = 100, 0 .
On value que la valeur de lerreur ER appartient lintervalle [-1,1 ; + 1,1] avec un niveau
de confiance de 95 %.
Dans ces conditions, il y a 95 chances sur 100 pour que la valeur Mvrai appartienne
lintervalle [(m - |ERmin|) ; (m + |ERmax|)]. Cet intervalle de valeurs constitue le rsultat de
mesure.
Pour lexemple prcdent :
Rsultat de mesure : Il y a 95 chances sur 100 pour que la valeur Rvrai appartienne
lintervalle [98,9 ; 101,1] .
Sous cette forme, le rsultat de mesure nest pas commode utiliser.
Par dfinition, lincertitude M de la mesure est gale la demi largeur de lintervalle
dincertitude [ERmin ; ERmax]. Donc M = (ERmax ERmin)/2.
La valeur de Mvrai appartient donc lintervalle [m - M ; m + M] et le rsultat de mesure
est not sous la forme M = m M avec un niveau de confiance de 95 %.
Pour lexemple prcdent :
Rsultat de mesure : R = (100,0 1,1) avec un niveau de confiance de 95 %.
Lincertitude de la mesure est donc gale lincertitude sur la valeur de lerreur ER.
Trs souvent, la notion dincertitude de mesure est utilise indpendamment de la notion
derreur de mesure. Un rsultat du type U = (10,15 0,15) V (niveau de confiance de 95 %)
est lu directement de la faon suivante : il y a 95 chances sur 100 pour que la valeur du
mesurande U appartienne lintervalle [10,00 ; 10,30] V.
Mais, pour valuer la valeur dune incertitude et le niveau de confiance correspondant, nous
verrons que le concept derreur de mesure est incontournable. Nous aurons aussi besoin des
outils mathmatiques, issus des statistiques, dcrits dans le chapitre II.
A. BERNARD et J-L VIDAL Lyce des Catalins
MONTELIMAR
16
MONTELIMAR
17
Chapitre II
Les outils statistiques utiliss en mtrologie.
Nous avons dfini dans le chapitre I quelques grandeurs fondamentales de la mtrologie :
mesurande, valeur vraie du mesurande, rsultat de mesure, erreur de mesure, erreur
alatoire et erreur systmatique.
Nous avons vu aussi que la valeur de ces grandeurs est en gnral inaccessible
exprimentalement : la seule chose que lon puisse faire cest dfinir un intervalle de valeurs
auquel appartient probablement la valeur dune grandeur. Les grandeurs utilises en
mtrologie ne sont donc, en gnral, pas reprsentes par des nombres mais par des
intervalles de valeurs probables de ces grandeurs : la dfinition de ces intervalles permet
lvaluation de lincertitude de mesure. Pour manipuler ce type dinformation nous disposons
des statistiques. La dmarche que nous utilisons est celle du GUM (Guide pour lexpression
des incertitudes de mesure publi par lAFNOR (NF ENV 13005 (1999)).
Mais avant de voir comment la communaut des mtrologues value les incertitudes de
mesure, nous allons rappeler, aussi simplement que possible, les bases des statistiques en
nous limitant ce qui est utile en mtrologie. Les dfinitions des grandeurs statistiques sont
celles qui sont adoptes par le GUM.
Pour construire cet histogramme, le programme ralise N = 2000 mesures mi, divise
lintervalle [mmin ; mmax] en 10 sous- intervalles (classes). Il compte le nombre de rsultats n
dans chaque classe et affiche leur frquence freq. Cette frquence est dfinie de la faon
suivante :
freq = (nombre n de rsultats appartenant une classe) / ((nombre total N de rsultats) = n/N.
Le programme affiche la frquence dun vnement (m appartient telle classe) en fonction
de la classe.
Appelons A lvnement m appartient la classe A et nA le nombre doccurrences de
lvnement A parmi la liste des N rsultats.
MONTELIMAR
18
Exemple :
Il y a nA =522 rsultats dans la classe qui contient le plus dvnements. Le nombre total de
mesures N = 2000.
La frquence des rsultats dans cette classe est freq = nA/ N = 522/2000 = 0,261 = 26,1 %.
Cette dfinition permet immdiatement daffirmer quelques vidences :
- Une frquence est toujours comprise entre 0 et 1.
- La frquence dun vnement impossible est nulle (nA = 0)
- La frquence de lvnement certain est gale 1 (nA = N)
Probabilit :
On peut considrer la probabilit P(A) dun vnement A comme la limite de sa frquence
lorsque le nombre de rsultats N tend vers linfini.
Les probabilits ont les mmes proprits que les frquences dont elles sont issues, et en
particulier :
- Une probabilit est toujours comprise entre 0 et 1.
- La probabilit dun vnement impossible est nulle.
- La probabilit de lvnement certain est gale 1.
Dans notre exemple nous avons constat qu partir de N = 1000 mesures, lallure gnrale
de lhistogramme nvoluait pratiquement plus : on peut alors considrer que la frquence
freq, dans chaque classe, tend vers la probabilit P des vnements.
P ( m < mmin) = P (m > mmax) = 0 = 0%.
P (mmin < m < mmax) = 1 = 100 %
P ( m appartient la classe qui contient le plus dvnements) = 0,261
II- Variable alatoire :
- Une variable alatoire est une variable pouvant prendre nimporte quelle valeur dun
ensemble dtermin de valeurs et laquelle est associe une loi de probabilit (GUM).
Une variable alatoire est compltement dfinie par sa loi de probabilit.
Dans notre exemple (histogramme) cette loi est dfinie exprimentalement par une suite de
nombres entiers (on parle alors de variable alatoire discrte : dans lexemple prcdent,
chaque valeur mesure est dfinie avec 7 chiffres).
Si chaque valeur mesure m tait un nombre rel (m pouvant prendre une infinit de valeurs)
et si le nombre de mesures (ainsi que le nombre de classes) tendait vers linfini, on peut
comprendre que la loi de probabilit tende alors vers une fonction (on parle alors de variable
alatoire continue). Ce type de fonction ne peut pas tre obtenu exprimentalement. Ces
fonctions sont des modles mathmatiques dfinis a priori . Nous allons voir comment ces
modles permettent de dcrire certaines situations relles.
Nous nutiliserons que des variables alatoires symtriques centres sur zro donc de
valeur moyenne nulle.
1- Premier exemple de variable alatoire continue : distribution rectangulaire
(uniforme)
La variable alatoire x est dfinie par la fonction suivante :
DP
1/(2a)
-a
MONTELIMAR
x1 x2
+a
19
Les valeurs DP de laxe des ordonnes sont les valeurs de la densit de probabilit de la
variable alatoire x (ou les valeurs de sa fonction de distribution ou encore celles de sa loi de
probabilit).
Cette notion peut tre interprte simplement en considrant que son intgrale
x2
x1
cet intervalle.
Exemple dutilisation de ce type de distribution :
Considrons un banc optique sur lequel sont installs un objet lumineux, un cran, et une
lentille convergente. La position de chaque lment est repre par un index sur un rglet.
Les positions de lobjet et de lcran sont fixes et lon recherche la position x de la lentille
qui donne une image nette de lobjet sur lcran. On constate quil y a toute une classe de
positions qui correspondent cette condition et que xmin < x < xmax. La valeur vraie xvrai
appartient cet intervalle et elle est inconnue. Si lon fait une mise au point au hasard
toutes ces positions ont la mme probabilit. Dans tous les cas il y a une erreur de mise au
point ERmap = x - xvrai . Pour exprimer lensemble de ces rsultats, on retient la valeur
mdiane de lintervalle prcdent, x = (xmax + xmin)/2 comme valeur mesure de x.
On associe ensuite lerreur ERmap une variable alatoire map de distribution rectangulaire
et de demi-largeur a = (xmax xmin)/2.
On peut alors crire que x = xvrai + map ou que xvrai = x - map,, ce qui signifie que la valeur
recherche, xvrai, peut avoir, avec la mme probabilit, nimporte quelle valeur sur
lintervalle [xmin ; xmax].
2- Deuxime exemple de variable alatoire continue : distribution normale (gaussienne)
DP :densit de probabilit
3/(2a)
x
-a
MONTELIMAR
+a
20
En toute rigueur, la valeur de cette fonction de distribution tend vers zro lorsque x tend vers
- ou + . La reprsentation de cette fonction a t simplifie en la bornant par les limites
a. La demi-largeur a est dfinie de telle sorte que la probabilit pour que x appartienne
lintervalle a soit de 99,73 %. En dehors de cet intervalle nous considrerons que la fonction
de distribution a une valeur nulle.
a
Dans notre exemple, la fonction de distribution est centre sur zro : la valeur moyenne de
x entre a et + a est nulle.
Il apparat sur la courbe DP (x) que la probabilit pour que x appartienne un intervalle x
constant est maximale si cet intervalle est centr sur zro et quelle diminue pour devenir
pratiquement nulle lorsque lintervalle se rapproche des bornes a.
Pour simplifier, nous continuerons a appeler cette distribution une fonction de distribution
normale (ou Gaussienne) : la vraie fonction de distribution normale joue un rle
fondamental dans le domaine des statistiques.
Exemple dutilisation de ce type de distribution :
Revenons au banc optique de lexemple prcdent. Une position x est repre par un index se
dplaant devant un rglet gradu avec un pas de 1 mm. Il est impossible de donner la valeur
de x avec une infinit de dcimales : il a toujours une erreur de lecture ERlec =(x xvrai).
Supposons que lindex soit repr entre les valeurs 11 et 12 du rglet, peu prs au milieu de
cet intervalle : il est certain que la valeur xvrai recherche est comprise entre 11 et 12.
Mais lon voit bien que les valeurs xvrai = 11,5 , 11 et 12 nont pas du tout la mme
probabilit.
Pour exprimer lensemble de ces rsultats, on retient la valeur mdiane de lintervalle,
x = (11+ 12)/2 = 11,5 comme valeur mesure de la position x.
On associe ensuite lerreur ERlec une variable alatoire lec de distribution normale et de
demi-largeur a = (12 11)/2 = 0,5.
On peut alors crire que x = xvrai + lec ou que xvrai = x - lec = 11,5 - lec.
Cela signifie que la valeur recherche, xvrai, peut avoir nimporte quelle valeur sur
lintervalle [11 ; 12] mais que la probabilit pour que la valeur xvrai soit au voisinage de 11,5
est maximale.
Remarque :
Pour une position quelconque de lindex devant le rglet on peut retenir comme rsultat de
mesure une valeur dcimale estime (11,2, par exemple) mais on conservera la variable
alatoire lec prcdente pour dcrire lerreur de lecture. Un mtrologue trouvera peut tre
notre valuation critiquable, mais il ne sagit que dun exemple.
MONTELIMAR
21
Dfinition :
La faon la plus simple dinterprter la fonction de distribution dune variable alatoire x
consiste la discrtiser. Considrons N valeurs x galement rparties autour de la valeur
moyenne <x> des N valeurs.
La probabilit P dobtenir une valeur x sur un intervalle x est P = nx/N ( nx tant le nombre
de valeurs x appartenant lintervalle x).
Lcart-type exprimental (N-1)N de la variable alatoire discrte x est dfini par
2
1 N
((N-1)N) =
( xi x ) = variance exprimentale de x (<x> est la valeur moyenne
N 1 i 1
des N valeurs x).
Si N tend vers linfini, la variable alatoire discrte tend vers une variable alatoire continue.
La valeur moyenne <x> des N valeurs tend vers la valeur centrale de la fonction de
distribution (la valeur moyenne de la fonction de distribution continue).
Lcart-type exprimental (N-1)N tend vers lcart-type de la fonction de distribution.
Pour une fonction de distribution continue dfinie, le calcul de lcart-type est conduit pour
- < x < + (intgrale).
Dans tous les cas, lcart-type dune variable alatoire reprsente la dispersion des
valeurs de la variable alatoire autour de leur valeur moyenne.
Pour une fonction de distribution rectangulaire de demi-largeur a , lon dmontre que
= a / 3 = 0,58 a.
Notre fonction de distribution normale de demi-largeur a , est dfinie de telle sorte que
= a /3 = 0,33 a.
Pour une vraie fonction de distribution normale (et seulement dans ce cas) lon dmontre
que la probabilit P pour que la variable alatoire x appartienne lintervalle est
P = 68 ,27 %.
Sur lintervalle 2, P = 95,45 % et sur lintervalle 3 , P = 99,73%. Nous avons donc
born la fonction de distribution normale avec a = 3 .
Remarque importante :
Si lon considre une fonction de distribution normale de demi largeur a lon a
= 0,33a. Pour une fonction de distribution rectangulaire ayant la mme demi largeur a ,
lon a = 0,58 a.
Il apparat que (rectangulaire) # 2 (normale) : pour une mme demi largeur, lcart-type
dune fonction de distribution rectangulaire est pratiquement deux fois plus grand que celui
dune distribution normale.
MONTELIMAR
22
En pratique, deux variables alatoires sont indpendantes sil ny a aucune relation entre leurs
valeurs. Si ce nest pas le cas, les variables alatoires ne sont pas indpendantes et lon dit
quelles sont corrles.
Exemple de variables alatoires indpendantes (cas gnral) :
On mesure U et I pour valuer R = U/I.
U = Uvrai + U : U est la variable alatoire associe lerreur ERU = U - Uvrai.
I = Ivrai + I : I est la variable alatoire associe lerreur ERI = I - Ivrai.
Il ny a aucune relation entre les valeurs des variables alatoires U et I associes deux
instruments de nature diffrente. Ces variables alatoires sont indpendantes : si lon change
lun des deux instruments, cela ne change pas lerreur de lautre instrument.
Exemple de variables alatoires non indpendantes (cas rare) :
Deux masses m1 et m2 de 50 g ont t ajustes par comparaison un talon met + et de 50 g.
et est la variable alatoire associe lerreur sur la valeur de met.
Les variables alatoires m1 et m2 associes aux erreurs de mesure de m1 et m2 sont toutes les
deux fonction de et. Les variables alatoires m1 et m2 ne sont pas indpendantes : si lon
recommence en changeant dtalon les deux variables alatoires seront affectes de la mme
faon.
X
X+Y
0,3
X+Y+Z
X+Y+Z+T
0,2
0,1
0
-5
-4
-3
-2
-1
23
Rsultats :
- Somme X + Y de deux variables alatoires indpendantes de densit de probabilit
constante sur [-a, +a] :
On obtient une loi de probabilit triangulaire.
Ecart-type : X+Y = 0,82 a
Remarque : (X+Y) = 0,67 a = X + Y = 2(0,58) a
Demi largeur P = 95% : 1,552a
Pour une demi largeur 2 = 1,64 a, P > 95%
- Somme X + Y + Z de trois variables alatoires indpendantes de densit de probabilit
constante sur [-a,a] :
On obtient une loi de probabilit en cloche .
Ecart-type : = a
Remarque : (X+Y+Z) = a = X +Y +Z = 3(0,58) a
Demi largeur P = 95% : 1,937a
Pour une demi-largeur 2 = 2 a, P > 95%.
- Somme X+ Y+ Z+ T de quatre variables alatoires indpendantes de densit de
probabilit constante sur [-a,a] :
On obtient une autre loi de probabilit en cloche .
Ecart-type : = 1,16 a
Remarque : (X+Y+Z+ T) = 1,3456a = X +Y +Z + T= 4(0,58) a
Demi largeur P = 95% : 2,239a
Pour une demi largeur 2 = 2,32 a, P > 95% (lgrement)
Premier commentaire :
Nous constatons que la loi de probabilit dune somme de variables alatoires tend vers une
distribution normale. Cela nest pas un cas particulier et cest ce qutablit le thorme
central limite .
Thorme central limite :
Ce thorme trs gnral est une extension de la tendance la loi de Gauss. Il affirme, en
gros, que toute variable alatoire dfinie comme une fonction dun grand nombre de variables
alatoires indpendantes, de lois de probabilit diverses, tend tre dcrite par une loi
gaussienne. La convergence vers la gaussienne est meilleure pour les valeurs centrales
(proches de la valeur moyenne), que sur les ailes, ce qui explique le nom du thorme. Cest
la raison pour laquelle la loi de Gauss est si rpandue, tel point quon lappelle loi normale.
Deuxime commentaire :
Dans tous les cas tudis, la probabilit
appartienne lintervalle [-2, +2] est
distribution normale cette probabilit est
dmonstration gnrale de cette proprit :
dans un grand nombre de cas.
Troisime commentaire :
Dans tous les cas prcdents lon vrifie que la variance dune somme de variables alatoires
est gale la somme de leurs variances. Ce rsultat trs gnral est vrai dans tous les cas,
condition que les variables alatoires soient indpendantes : il est connu sous le nom de
thorme des variances .
24
25
N mesures
x
<x>N
- 3 x
XC
+3x
DP
- 3x/N
XC
+ 3x/N
<x>N
26
- Les valeurs de la fonction t(N,P) (N mesures et niveau de confiance P%) sont donnes dans
des tables.
- Voici quelques valeurs du coefficient t (pour N mesures et un niveau de confiance de P%)
N
3
4
5
6
7
8
9
10
12
P=95% 4,3 3,82 2,78 2,57 2,45 2,37 2,31 2,26 2,20
P=99% 9,93 5,84 4,60 4,03 3,71 3,50 3,36 3,25 3,11
14
2,16
3,01
16
2,13
2,95
20
2,09
2,86
ERS est lerreur systmatique de la mesure : elle prend la mme valeur lors de chaque mesure et cette valeur est inconnue.
est lerreur alatoire de la mesure : si les mesures sont tires dune population normale dcart-type m alors la variable alatoire a
aussi une distribution normale dcart-type m et elle est centre sur zro.
- Si ERS 0 et si N tend vers linfini alors <m>N Mvrai.
La loi de Student permet, avec N mesures, de dfinir lintervalle
<m>N t(N,95%) (((N-1))N/N) qui contient la valeur Mvrai avec un niveau de confiance de 95 %.
- Si la valeur de ERS est diffrente de zro, et si N tend vers linfini alors
<m>N Mvrai + ERS. La valeur de lerreur systmatique ERS tant inconnue, il est impossible, partir de N mesures, de dfinir un
intervalle contenant la valeur Mvrai.
Il y a plusieurs faons de raliser N mesures dun mme mesurande.
b)
27
- Le mme oprateur effectue N mesures mi dun mme mesurande Mvrai dans les mmes
conditions (conditions de rptabilit). Si les N mesures nont pas la mme valeur, alors il y a
une erreur alatoire de rptabilit.
Les origines de lerreur de rptabilit sont multiples :
- La valeur du mesurande peut tre mal dfinie ( irrgularit de lpaisseur dune pice,
par exemple).
- Instabilit des diffrents tages dune chane de mesure.
- Influence de loprateur ( ajustage du niveau dune fiole jauge, par exemple)
Dans ces conditions, il est probable que la variable alatoire associe cette erreur ait une
distribution normale.
- La dispersion des valeurs mesures est due la seule erreur de rptabilit et m i = Mvrai +
ERS + rep
Puisque dune mesure lautre rien ne change, beaucoup derreurs prennent chaque fois la
mme valeur : il y a toujours une erreur systmatique ERS de valeur inconnue.
Sil ny a pas derreur de rptabilit, la valeur mesure est m = Mvrai + ERS.
Sil y a une erreur de rptabilit, la valeur mesure m est reprsente par un intervalle de
valeurs quil faut valuer.
Nous verrons dans le chapitre III comment la loi de Student peut conduire lvaluation de
cet intervalle.
28
Chapitre III
Evaluation de lincertitude de mesure
- La dmarche que nous utilisons est celle du GUM (Guide pour lexpression des incertitudes
de mesure : la version franaise est dite par lAFNOR (NF ENV 13005), la version anglaise
est disponible sur le site de lOIML).
- Aprs avoir dcrit lessentiel des mthodes utilises par le GUM, nous entreprendrons de les
simplifier : un laboratoire denseignement nest pas un laboratoire de mtrologie.
- Lorsque les grandeurs sont dfinies en gnral, nous utilisons les notations du GUM. Nous
simplifions ces notations lorsque les grandeurs sont dfinies avec une unit.
Mvrai (valeur
inconnue)
Systme de
mesure
Valeur
mesure m
Mvrai
Erreur ER = m - Mvrai
m
- Il y a toujours une erreur ER = m Mvrai et la valeur de cette erreur est toujours
inconnue.
Il est donc impossible dobtenir la valeur Mvrai partir de la valeur m.
II- Incertitude de mesure :
- La valeur de lerreur ER est toujours inconnue, mais nous disposons doutils permettant
dvaluer quel intervalle [- M ; + M] appartient cette valeur, avec un niveau de confiance
de 95 %.
- Il y a 95 chances sur 100 pour que la valeur
Valeur
de lerreur ER appartienne lintervalle de
mesure m
confiance [-M ; +M].
m + M
Intervalle
de - La valeur M de lincertitude de la mesure
Mvrai
Erreur ER confiance 2M.
est, par dfinition, gale la moiti de la
valeur absolue de lintervalle [-M ; +M].
m
Niveau de confiance - Il y a donc 95 chances sur 100 pour que la
P = 95 %.
valeur vraie du mesurande appartienne
lintervalle (m- M ; m+ M).
m - M
- Le rsultat de mesure est :
M = m M (unit) avec P = 95 %.
29
30
31
32
Ainsi, toutes les valeurs dincertitude largies sont incertaines et il en est de mme de
leur composition. Il y a donc toujours une incertitude sur la valeur dune
incertitude.
- La valeur dune incertitude ne rsulte pas dun calcul rigoureux : il sagit plutt dune
valuation ne conduisant jamais une minoration de la valeur de lincertitude. Dune faon
gnrale lincertitude relative sur la valeur dune incertitude est de lordre de 30 % .
- Dans ces conditions, la valeur dune incertitude doit tre exprime avec un nombre de
chiffres significatifs limit.
- Le GUM recommande dexprimer la valeur dune incertitude de mesure avec au maximum
deux chiffres significatifs.
- Nous proposons nos lves de toujours arrondir la valeur dune incertitude avec deux
chiffres significatifs et de conserver le nombre de chiffres significatifs correspondant pour la
valeur mesure m.
Attention : cette opration ne doit tre effectue que lorsque lon est prt exprimer le
rsultat de mesure (il faut viter les arrondis intermdiaires lors des calculs).
Remarque :
Dans certains cas, un chiffre significatif est suffisant. Prendre systmatiquement 2 chiffres
significatifs conduit alors utiliser un chiffre significatif nayant pas de sens, mais est-ce bien
grave ?
Remarque 2 :
u(x) = prcision /3 # 0,58 prcision. Cela signifie que lon associe une valeur mesure
une variable alatoire centre sur zro, de distribution rectangulaire et de demi largeur
prcision . Ce choix permet de prendre en compte le dfaut dinformation sur le niveau de
confiance de lintervalle [- X ; +X].
Pour un instrument analogique u(x) = 1 graduation / 12 = (0,5 1 graduation) / 3.
34
On associe donc une valeur mesure une variable alatoire de distribution rectangulaire,
centre sur zro et de demi largeur a = 0,5 1 graduation. Cela revient considrer que
lerreur maximale de lecture est de a = 0,5 1 graduation et que toutes les erreurs de lecture
(nous avons fait un autre choix, moins svre, dans le chapitre II).
Exemple 1 :
- Le constructeur dun ohmmtre indique que : prcision = 0,1 % lecture + 2 UR.
- Sur le calibre 200 on lit R = 100,5 . Le quantum UR = q de linstrument est donc gal
0,1 (cest la plus petite variation de la valeur R que lon peut dceler).
- Dans ces conditions : prcision = 10-3 100,5 + 0,2 = 0,3005 . Cette grandeur est
exprime avec une unit : il sagit donc dune incertitude absolue que nous notons R.
- Le constructeur nous indique ainsi que lerreur de rglage de linstrument appartient
lintervalle [-R ; + R] avec un niveau de confiance raisonnable (dont la valeur nest pas
prcise).
- Si lon veut exprimer le rsultat de cette mesure, on crit (100,50 0,30) (sil ny a pas
derreur de rptabilit), en considrant que le niveau de confiance de cet intervalle est le
niveau de confiance standard (95%).
- Si lon veut utiliser cette incertitude dans une composition, on prend comme incertitude type
uinst = R/3 = 0,58 R.
- Nous composons directement les incertitudes largies et nous prendrons Uinst = 2 uinst=
1,16 R.
Exemple 2 :
- On repre la position n dun index sur une chelle gradue avec un pas de 1 mm.
- Lindex se trouve entre les valeurs n = 15 et n = 16 mm, plutt du ct 15 mm .
- On neffectue pas dinterpolation : ici le rsultat de mesure est n = 15 mm.
- Lincertitude type de lecture un = 1 graduation / 12 = 1 / 12 = 0,288675 mm
- On peut calculer directement lincertitude largie Un avec Un = 1 graduation /3 = 0,57735
mm.
- Le rsultat de mesure de la position n est n95% = (15,00 0,58) mm
- Une erreur systmatique est une erreur qui prend la mme valeur (inconnue) lors de
chaque mesure.
Exemples :
Erreur de position dune lentille sur son support, erreur due la rsistance des fils de liaison
lors de la mesure dune rsistance, erreur de rglage dun instrument de mesure, ..
- Une erreur alatoire est une erreur qui prend une valeur diffrente lors de chaque
mesure.
Exemples :
Erreur de mise au point lors de la formation dune image sur un cran, erreur de rptabilit
I- Erreur systmatique :
1- Evaluation et correction de lerreur systmatique :
35
- On ne corrige donc pas lerreur systmatique : elle sera prise en compte dans la composition
des incertitudes largies.
Conclusion du I :
- Dans tous les cas, nous viterons la correction, lourde, des erreurs systmatiques.
Soit nous utiliserons une mthode derreur systmatique ngligeable, soit nous
considrerons que lerreur systmatique est reprsente par une variable alatoire
centre sur zro.
- Dans ces conditions, il ny aura pas lieu de distinguer erreurs alatoires et erreurs
systmatiques : seule importera lincertitude type (ou lincertitude largie) attache
chaque erreur.
37
38
- Pour valuer une erreur de rptabilit, il faut N mesures. Nous proposons deffectuer une
seule fois N mesures et de les exploiter pour obtenir une information sur lerreur de
rptabilit dune nouvelle mesure du mme mesurande. Ce travail, souvent long, est
rarement effectu par nos lves.
- Mthode :
- Pour valuer lincertitude largie U(m)rep dune valeur mesure m il faut avoir ralis une
fois N mesures de ce mesurande.
- Nous savons que <m>N = m/N donc que m = <m>N N
Nous admettrons que lincertitude largie U(m)rep = U(<m>)rep N, donc que
U(m)rep= t(N, 95%)(N-1)N, avec un facteur dlargissement k = 2.
- Cette valuation est dautant plus fiable que N est plus grand et (N-1)N plus petit.
- En cas de doute sur la fonction de distribution des N valeurs, on considre que la variable
alatoire lie lerreur de rptabilit a une distribution rectangulaire de demi largeur
t(N, 95%)(N-1)N.
Dans ces conditions U(m)rep = 1,16 t(N, 95%)(N-1)N
- Conclusion :
Lincertitude largie de rptabilit sur une seule valeur mesure m est U(m)rep. Elle est
value une fois partir de N mesures et U(m)rep= t(N, 95%)(N-1)N. Cette valeur sera
prise en compte dans une composition dincertitudes largies permettant dvaluer le rsultat
de mesure.
- Exemple : valuation de lerreur de rptabilit dune balance.
- La balance a une porte de 200 g. On ralise N mesures avec une masse denviron 100 g, au
milieu de ltendue de mesure de linstrument.
Les N valeurs mesures nont pas la mme valeur : il y a donc une erreur de rptabilit.
La variable alatoire associe lerreur de rptabilit est value avec les N mesures
prcdentes et lon considrera quelle est la mme sur toute ltendue de mesure de
linstrument.
Une feuille de calcul permet dobtenir rapidement un rsultat :
39
I- Mthode gnrale
- A chaque grandeur (X,Y, Z,) sont associes une valeur mesure (x, ...) et un cart-type
(x,).
- Pour calculer lcart-type m de la variable alatoire attache la valeur mesure m il faut
composer tous les carts-type.
Si les variables alatoires attaches chaque grandeur sont indpendantes, on peut
utiliser le thorme des variances sous la forme :
40
Exemple : P = U I
- On obtient (U(P)/P) = (U(U) / U) + (U(I) / I)
Avec la mthode gnrale, nous avons obtenu U(P) = (I U(U)) + (U U(I))
Soit (U(P)/P) = ((I U(U))/ U I) + ((U U(I))/ UI) = (U(U) / U) + (U(I) / I)
- Justesse :
41
Ce rsultat de mesure
est juste.
42
- Le professeur met la disposition des lves une expression permettant lvaluation de lincertitude compose M. Cette expression fera
rfrence des grandeurs, de signification physique claire, dont les lves doivent valuer la valeur.
- Les lves doivent valuer ou utiliser trois types de grandeurs : incertitude provenant dune composition, incertitude dont la valeur est
donne par un constructeur, valeur absolue maximale dune erreur.
- Si les lves utilisent une incertitude provenant dune composition, ils la noteront sous
la forme X. Dans une composition lincertitude largie sera prise en compte, par le
professeur, sous la forme X (dans ce cas, U(x) = X = 2 x ).
-
Si les lves sont amens rechercher la valeur absolue maximale dune erreur
(erreur de linarit dun modle, erreur de mise au point,) alors cette grandeur sera
note ERmax. Dans une composition cette erreur sera prise en compte, par le
professeur, sous la forme U(x) = 1,16 ERmax. Cela revient considrer que la
variable alatoire attache cette erreur a une distribution rectangulaire de demi
largeur ERmax.
En effet, dans ces conditions, u(x) = x = 0,58 a = 0,58 ERmax
et U(x) = 2 u(x) = 1,16 ERmax.
43
- Cet outil permet de faire apparatre les sources derreur qui ont le plus de poids dans
lvaluation de la valeur de lincertitude. Les lves peuvent se servir de ces rsultats pour
rpondre, par exemple, la question quelles sont les oprations qui mritent le plus de
soin ?
III- Avec des lves, que doit-on conserver des concepts de la mtrologie ?
- Il faut dabord dfinir le mesurande M :
44
45
Chapitre IV
Ltalonnage dune chane de mesure et ses applications.
- Dans les laboratoires denseignement, nous sommes souvent amens procder
ltalonnage dune chane de mesure avant dutiliser celle-ci pour faire des mesures.
Dans la plupart des cas, la sortie dune chane de mesure est un nombre lu sur un afficheur :
nous dirons alors que nous utilisons une chane de mesure numrique.
Exemple :
Un spectrophotomtre utilise une lumire monochromatique de longueur donde dfinie pour
mesurer labsorbance A dune solution, de nature donne et de concentration C. On constate
que, dans certaines conditions, la relation A = f (C) est linaire .
Si on tablit la relation C = f (A) alors, en mesurant la valeur de A, on pourra prvoir une
valeur probable de C dune solution de mme nature.
Pour valuer simplement lincertitude des mesures effectues dans ces conditions il nous a
fallu dfinir des mthodes accessibles des lves de lyce.
Dans ce chapitre, le vocabulaire correspond celui qui est utilis par les lves : M reprsente
le mesurande ou la valeur mesure du mesurande et M reprsente lincertitude de mesure
(niveau de confiance P = 95 %). Le rsultat de mesure est M95% = M M.
46
47
Notre objectif est de ne faire apparatre, dans le calcul de lincertitude M, que des grandeurs,
ayant une signification physique claire, dont la valeur est valuable par les lves.
1) Dispersion du nuage de points : erreur de linarit
Lors de ltalonnage on obtient N points (Met, In) (avec, si possible, N > 8). Ce nuage de
points est modlis sous la forme M = aIn + b.
Cette quation est aussi lquation de la droite moyenne qui passe par un maximum de
points et en laisse autant dun ct que de lautre .
Ce modle permet de prvoir une valeur de M lorsquon lit une valeur de In. Mais tous les
points nappartiennent pas la droite moyenne. La droite moyenne est une approximation de
la ralit.
Pour valuer lerreur due aux dfauts du modle (que nous appelons aussi lerreur de
linarit) nous utilisons les N valeurs mesures de ltalonnage.
48
M
Modle
M = aIn + b
ER = M - Met
Met
In
In
On reprsente alors ER (In), dispersion du nuage de points autour du modle.
ER
ERmax
0
In
Ce graphique apporte des informations utiles sur la qualit de ltalonnage : les erreurs ER
doivent tre bien distribues autour de la valeur zro. Si ce nest pas le cas, cela indique
quune mesure (au moins) est fausse ou de mauvaise qualit. Il faut alors reprendre
ltalonnage et la modlisation.
Les lves recherchent la valeur de ERmax.
2) Erreur sur la valeur des talons :
Si les talons utiliss nont pas la mme incertitude Met, la valeur Met retenue est celle qui
correspond ltalon qui dfinit ERmax. On peut aussi prendre la valeur maximale de Met.
Les lves recherchent la valeur de Met.
3) Erreur due la quantification :
La fonction Mvrai(In) est une fonction en escalier . Une valeur de In conduit une valeur de
M et un intervalle M q/2 de valeurs probables du mesurande.
Toute utilisation de la fonction M = aIn + b conduit une erreur de quantification.
Les lves calculent le quantum q = ad de la chane.
50
51
Chapitre V
Fonctions de calcul de lincertitude dune chane de mesure numrique
Ce chapitre concerne exclusivement les professeurs.
Dans le chapitre IV, nous avons indiqu de quelle faon nos lves valuent lincertitude
constante dune mesure ralise avec une chane de mesure pralablement talonne.
Nous allons dcrire la mthode qui nous a permis dtablir lexpression de lincertitude M
communique aux lves.
Nous expliquerons ensuite comment lon peut valuer lincertitude de mesure des multimtres
numriques ou des balances analytiques.
Nous utiliserons le langage suivant :
M est le mesurande ou le rsultat de mesure, m est la valeur mesure, le rsultat de mesure
est M = m M avec un niveau de confiance de P%.
52
53
- La premire cause envisageable de cette erreur est une variation de la valeur Mvrai : si elle est
suffisante, on conoit que, dune mesure lautre, la valeur de In puisse varier.
- Mais lerreur de rptabilit est observe avec des balances.
La valeur de la masse pese est pourtant constante et il faut rechercher dautres causes de
lerreur de rptabilit. Il nous faut admettre que, pour des raisons diverses, la caractristique
Mvrai(In) nest pas stable.
Premire
mesure de Mvrai
Mvrai
Mvrai
Deuxime
mesure de Mvrai
In
In
In1
Mvrai
In2
quantification
q/2.
54
- On considre alors quil y a 95 chances sur 100 pour que la valeur Mvrai du mesurande
appartienne lintervalle m U(m)rep avec U(m)rep = a t95% (N-1)N (voir (2) plus haut).
- On considre que lerreur (m Mvrai) peut prendre, avec la mme probabilit, nimporte
quelle valeur sur lintervalle [-U(m)rep ; + U(m)rep]. On associe donc cette erreur une
variable alatoire de distribution rectangulaire de demi largeur U(m)rep.
- Lincertitude largie (k =2) lie cette erreur est :
U(M)rep = 1,16 U(m)rep = 1,16 a t95% (N-1)N
56
57
58
U(V)
0,015
0,01
0,005
0
0
In
U(V)
y = 2,9921E-03x + 6,2468E-04
3
In
59
Le constructeur de linstrument indique que lincertitude de mesure pour tous les instruments
de ce type peut tre value par M = 310-3 In + 2 10-3 : linstrument que nous venons de
vrifier a donc un fonctionnement normal.
La fonction qui permet de calculer lincertitude M est toujours fournie par le
constructeur de linstrument. La vrification des instruments dun laboratoire peut tre
conduite en utilisant un instrument de meilleure qualit que linstrument vrifier. Une
feuille de calcul permet deffectuer rapidement cette vrification.
C - Conclusion : valuation de lincertitude dune chane de mesure numrique.
Rsum
Evaluation de lincertitude de mesure M = constante aprs ltalonnage
dune chane de mesure
I -Les concepts :
1) La chane de mesure numrique idale :
- Pour une chane de mesure numrique idale, la fonction Mvrai (In) est une fonction en
escalier : a une valeur de lindication In correspond un intervalle de valeurs de M vrai. Le
quantum q de la chane est gal la largeur de cet intervalle constant.
- Cette fonction est modlise sous la forme mC = aIn + b. Une valeur de In conduit une
valeur de mC puis un intervalle de valeurs de Mvrai. Il y a toujours une erreur de
quantification mC Mvrai. Lincertitude largie associe cette erreur est U(M)q = 1,16(q/2).
2) La rptabilit des mesures :
- Quelquefois le mme mesurande ne conduit pas toujours la mme valeur de lindication In.
- Cela correspond un largissement de lintervalle de valeurs de Mvrai li une valeur de
lindication In donc une incertitude largie U(M)rep= 1,16rq > U(M)q. Lerreur de
rptabilit contient donc lerreur de quantification.
- Le coefficient r est valu en appliquant la loi de Student la dispersion des valeurs de In
correspondant un mme mesurande. La valeur de r est suprieure 0,5.
3) Lerreur de rptabilit-quantification :
Dans tous les cas, une valeur de In conduit une valeur m et un intervalle de valeurs de
Mvrai. Lerreur (m - Mvrai) de rptabilit-quantification est associe une incertitude largie
U(M)rq = 1,16rq.
60
Sil y a une erreur de rptabilit, r est calcul en utilisant la loi de Student, sinon r = 0,5.
61
U(M)et = 1,16 Met. Met est la valeur maximale de lincertitude des talons utiliss.
- Une erreur de linarit due au fait que tous les points talons nappartiennent pas au
modle. Il y a donc, pour chaque point, une erreur ER= m met. Lincertitude largie associe
cette erreur est U(M)ER = 1,16 ERmax. ERmax est la valeur maximale de la valeur
absolue de lerreur ER (on peut prendre comme valeur de Met la valeur qui correspond au
point qui dfinit ERmax).
Ces trois erreurs sont indpendantes et lincertitude largie associe lerreur de modlisation
est (U(M) modle) = 1,16 ( (rq) + ERmax + (Met)).
III- Erreur de mesure :
Pour une valeur quelconque de lindication In, on recherche la valeur correspondante de Mvrai.
- On utilise le modle pour obtenir la valeur m = aIn + b. Il y a une erreur sur le modle et
une incertitude largie U(M)modle associe cette erreur.
- Le modle reprsente une fonction quantifie et il y a une erreur de rptabilitquantification. Lincertitude largie associe cette erreur est U(M)rq = 1,16rq.
- Les erreurs sont indpendantes et lerreur de mesure est associe une incertitude largie
U(M) = (U(M)modle) + U(M)rq
Donc U(M) = 1,16 (2( rq) + ERmax + Met) = M = constante.
- Le rsultat de mesure est M = m M avec un niveau de confiance de 95 %.
62
Annexe
Etalonnage dune chane de mesure numrique sur deux points
- Certains systmes dacquisition de donnes sont fournis avec un logiciel permettant
ltalonnage de la chane de mesure sur deux points (ce protocole est quelquefois appel
talonnage interactif ).
- Cet outil permet de passer directement de la donne binaire MOT disponible la sortie dun
Convertisseur Analogique Numrique (CAN) la valeur de la mesure. Mais comment valuer
lincertitude de mesure ?
- Les Entres Analogiques EAx de la carte dacquisition fonctionnent, par exemple, entre 0 V
et 5 V. Le Convertisseur Analogique Numrique (CAN) a, par exemple, une capacit de 8
bits.
- A ltat brut , linstrument ne permet de mesurer que des tensions. Si lon veut mesurer
dautres grandeurs physiques, il faut lui associer des transmetteurs. Ces transmetteurs
convertissent la valeur dun mesurande M (temprature, pression, pH,) variant entre Mmin
et Mmax en une tension variant entre 0 et 5 V (conforme ltendue de mesure du CAN).
- Cette tension est transforme par le CAN en une donne binaire MOT, image de Mvrai. Pour
un CAN 8 bits , la donne MOT varie entre 0 et 255 (il sagit de lquivalent dcimal de la
donne binaire MOT). Nous nenvisagerons ici que le cas de chanes de mesure linaires
modlisables sous la forme m = aMOT + b.
- Si lon branche un transmetteur lentre EA1, lon obtient la chane de mesure suivante :
Mesurande
Mvrai
Mvrai
Mvraimin
Mvraimax
CAN
8 bits (EA1)
Transmetteur
Mvrai U
U
U=0V
U=5V
Indication
MOT
MOT
MOT = 0
MOT = 255
mesure
m = aMOT + b
m =aIn + b
Mmin
Mmax
- Lorsque la valeur du mesurande Mvrai varie entre les valeurs Mvraimin et Mvraimax (tendue de
mesure du transmetteur), la donne MOT la sortie du Convertisseur Analogique Numrique
(CAN) varie de 0 255.
Nous considrerons que toutes les chanes de mesure utilises peuvent tre modlises
sous la forme :
m
=
a MOT
+ b, m tant la valeur mesure
de Mvrai
unit de M (u(M))
u(M) pas dunit u(M)
- On veut, aprs avoir lu la donne MOT, obtenir la valeur mesure m de Mvrai : pour effectuer
le calcul il faut connatre les valeurs des coefficients a et b, donc talonner la chane de
mesure.
63
64
65
Chapitre VI
Evaluation de lincertitude de mesure dun volume de liquide.
Lors des TP de chimie, il faut trs souvent mesurer des volumes de liquide. Lvaluation de
lincertitude de ces mesures pose souvent de srieux problmes. Nous ne pouvons pas
proposer des solutions universelles : les situations rencontres sont trs diverses et
chacune relve dune analyse spcifique. Nous navons pas les moyens de recenser toutes les
situations rencontres dans les laboratoires denseignement. Nous avons donc trait des
problmes couramment rencontrs dans notre laboratoire et essay de dgager des mthodes
gnrales. Un guide complet, dans ce domaine, nous semble relever dune recherche
collective.
Nous-nous sommes largement appuys sur le guide EURACHEM/CITAC Quantifier
lincertitude dans les mesures analytiques (disponible sur le site du LNE (Laboratoire
National dEssais)).
Un laboratoire denseignement nest pas un laboratoire de mtrologie. Notre ambition est
double :
- Mettre en place des outils permettant dvaluer raisonnablement le travail de nos
lves.
- Mettre leur disposition des outils simples utiliser.
Tout cela ne peut fonctionner que si nous mettons la disposition de nos lves du matriel
vrifi : si ce nest pas le cas, il est illusoire de leur demander dvaluer une incertitude.
66
25
0,060
50
0,060
100
0,10
200
0,15
15
0,020
250
0,15
20
0,030
25
0,030
500
0,25
50
0,050
1000
0,40
100
0,080
2- Erreur de rptabilit :
Pour mesurer un volume, loprateur ajuste le niveau du liquide sur le ou les traits de jauge.
Cette opration comporte toujours une erreur. Celle-ci peut-tre value en effectuant 10
mesures du mme volume dans les conditions de rptabilit et en valuant les volumes par
pese (EURACHEM). Nous appelons ERrep cette erreur de rptabilit.
A 20C on a donc V20 = VN20 + ERet + ERrep.
Nous navons pas trouv dans la littrature une valuation gnrale de cette erreur. Mais nous
avons trouv des informations pour les fioles de 100 mL et les pipettes de 15 mL.
A partir de ces informations, nous avons cherch une rgle simple conduisant une valuation
raisonnable de lincertitude. Nous avons dcid (mais cest notre choix) dassocier lerreur
de rptabilit une variable alatoire de distribution rectangulaire et de demi largeur Vet /2.
Dans ces conditions, lincertitude largie U(V)rep = 1,16(Vet/2) = 0,58 Vet.
Justifications :
Pour une fiole (classe A) de 100 mL on a U(V)rep = 0,04 mL (EURACHEM) ou 0,05 mL
(AFNOR).
Et U(V)rep = 1,16(Vet/2) = 0,58 Vet = 0,058 mL.
Pour une pipette de 15 mL on a U(V)rep = 0,0074 mL (EURACHEM).
Et U(V)rep = 1,16(Vet/2) = 0,58 Vet = 0,0116 mL.
Dans chaque cas notre valuation est suprieure ce qui est prvu, mais un laboratoire
denseignement nest pas un laboratoire de mtrologie.
3- Erreur due la temprature du liquide :
La variation relative dun volume V deau autour de 20C est V/V = 2,1 10-4 (C).
est la variation de la temprature du liquide autour de 20C.
La variation relative du volume V dun rcipient en verre est V/V = 3 10-5 (C) (valeur
maximale).
La valeur dun volume V de liquide dpend de la temprature du liquide. Si lon donne la
valeur dun volume de liquide, il faut aussi prciser la valeur de sa temprature.
En Europe les volumes de liquide sont dfinis 20 C. Les verreries jauges sont toutes
talonnes 20 C. Pour une fiole jauge de 100 mL, par exemple, le trait de jauge est ajust
en introduisant dans la fiole 100,00 mL deau distille 20,0 C.
Considrons la fiole jauge contenant 100,00 mL deau 20C. Faisons varier la temprature
de lensemble fiole-liquide jusqu 25 C. Le liquide et le solide se dilatent, mais la dilatation
67
du verre est environ 10 fois plus petite que celle de leau : le niveau du liquide se retrouve au
dessus du trait de jauge.
Dans la suite nous ngligerons la dilatation du verre devant celle du liquide (nous suivons
les recommandations EURACHEM ).
Remarque :
Si lon veut composer les variations de volume du solide et du liquide, lon fait intervenir le
carr des variations : si le rapport entre deux variations est de 10, le rapport entre le carr de
ces variations est de 100.
Si lon nglige la dilatation du rcipient, on considre que son volume est constant si sa
temprature varie autour de 20 C. Ce volume est gal au volume nominal VN20 . Ainsi, si lon
ajuste une fiole jauge de 100 mL avec de leau 25 C, on obtient un volume
V= VN20 = 100,00 mL 25 C.
Tous les volumes de liquide tant dfinis 20C, il faudrait donc corriger la valeur prcdente en prenant en compte la dilatation du liquide :
cest impensable dans la pratique courante dun laboratoire.
On convient donc de considrer que le volume mesur est toujours un volume 20C, mme
si la temprature est diffrente de cette valeur. Dans ce cas, lon introduit une erreur
systmatique ER qui dpend de la temprature. On ne corrigera pas cette erreur, on la traitera
comme une erreur alatoire.
Si la temprature du liquide est diffrente de 20C, alors le volume V= V N20 + ERet + ERrep +
ER et lon considre que le volume V = V20 = VN20 est dfini 20C.
On considre que la temprature peut prendre nimporte quelle valeur sur lintervalle
20. Nous retiendrons = 4 C (EURACHEM), ce qui revient considrer que la
temprature du liquide peut varier de 16 24 C.
Dilatation thermique de leau : V/V = 2,1 10-4 (C) donc V = 2,1 10-4 V
On associe lerreur ER une variable alatoire de distribution rectangulaire et de demi
largeur V = 2,1 10-4VN20 .
Dans ces conditions, lincertitude largie U(V) lie la variation de temprature entre 16 et
24 C est U(V) = 1,16 2,1 10-4 VN20 = 9,7510-4 VN20 (EURACHEM).
68
Nous avons dit le nuage de points U(V) = V = f(VN20) pour les fioles jauges.
1,2
y = 0,0011x + 0,0532
V (mL)
1
0,8
V = 1,5Vet
0,6
0,4
VN20 (mL)
0,2
0
0
200
400
600
800
1000
1200
V (mL)
0,14
y = 0,0013x + 0,0134
0,12
0,1
V= 1,5 Vet
0,08
0,06
0,04
VN20 (mL)
0,02
0
0
20
40
60
80
100
120
Le nuage de points V (VN20) peut tre modlis sous la forme V = 0,0013VN20 + 0,0134.
Pour des pipettes de volume infrieur ou gal 50 mL on peut utiliser :
U(V) = V = 1,5 Vet.
Cest cette expression que nous avons retenue pour nos lves.
Conclusion : verrerie jauge de classe A
Pour des fioles jauges de volume infrieur ou gal 200 mL et pour des pipettes de
volume infrieur ou gal 50 mL nous retenons U(V) = V = 1,5 Vet.
Sinon :
- Pour les fioles jauges U(V) = V = (0,0011 VN20 + 0,0532) mL
69
70
alors une erreur alatoire de rptabilit dont les origines sont multiples. Dune faon gnrale
U(V) = [(U(V)et) + (U(V)) + (U(V)lect)] + (U(V)rep).
Soit U(V) = d + (U(V)rep).
U(V)rep est lincertitude largie lie lerreur de rptabilit (ERrep).
Lvaluation de U(V)rep pose de gros problmes : elle doit tre effectue pour chaque type de
TP et cela peut demander beaucoup de temps. Nous allons montrer comment lon conduit
cette valuation en exploitant deux exemples (mesures effectues dans notre laboratoire).
1- Evaluation de lincertitude largie U(V)rep :
Nous avons vu dans le chapitre III, comment lon pouvait utiliser la loi de Student pour
valuer une incertitude de rptabilit. Dans nos laboratoires, il faut distinguer deux cas :
a)- Le professeur effectue N mesures de volume dans les conditions de rptabilit :
Il retient comme rsultat la valeur moyenne <V> des N mesures et lincertitude sur la valeur
<V> est U(<V>) rep = (t95%(N-1)N)/ N.
Cette incertitude peut-tre minimise en augmentant le nombre N de mesures.
Ce travail peut tre trs long. Il nous semble quil doit tre collectif et que cest la
communaut qui peut alors adopter une dcision pour chaque type de TP.
b)- Les lves effectuent une seule mesure :
Lincertitude prendre en compte par les lves est lincertitude de rptabilit sur une
mesure de volume et non lincertitude sur une valeur moyenne.
Dans ces conditions, U(V)rep = (t95%(N-1)N) = U(<V>) rep N
Exemple 1 : talonnage dune solution par pese
On veut talonner une solution aqueuse dhydroxyde de sodium (NaOH), en utilisant une
mthode dtalonnage par pese. On pse une masse m dhydrognophtalate de potassium
(passe au dessicateur) avec une balance de laboratoire. Le produit utilis est un produit
talon de puret minimum P = 99,95 %. Nous retiendrons P = 100% et U(P) = 1,16 0,05 %.
La masse molaire M = 204,23 g (incertitude M ngligeable).
Le produit est dissout dans de leau distille, dans un erlenmeyer.
La solution de soude est introduite dans une burette de 25 mL (classe A). Le dosage est
effectu en utilisant un indicateur color (2 gouttes de phnol phtaline).
La concentration CB de la solution de NaOH est calcule par CB = (1000mP)/ (MVB)
La masse m de produit talon est exprime en g.
VB (en mL) est le volume de solution de NaOH vers lquivalence (virage de
lindicateur color).
La concentration CB est exprime en mol L-1.
La mme personne a ralis 7 mesures, exactement dans les mmes conditions (avec les
mmes instruments). Dans chaque cas la masse m = (0,40000 0,00074) g : cette masse est
calcule pour obtenir un volume VB de lordre de 20 mL. On obtient un volume VB variant
entre 19,55 et 19,65 mL et la valeur moyenne < VB> = 19,60 mL.
Valeurs mesures :
essai n
1
2
3
4
5
6
7
VB (mL)
19,55
19,55
19,60
19,60
19,65
19,60
19,65
La dispersion des rsultats est lie la rptabilit de la mesure de VB. Cette dispersion est
due aux erreurs de rptabilit de la balance et de la pipette, aux erreurs de lecture de la
burette et lerreur de rptabilit lie la mthode. Dans lvaluation de lincertitude de la
valeur de CB, certaines erreurs seront donc prises en compte plusieurs fois.
71
Pour ces 7 mesures on calcule (N-1)N = 0,041 mL. Le coefficient de Student correspondant
un niveau de confiance de 95% est t95% = 2,45. Donc, pour une valeur mesure VB,
lincertitude largie lie la rptabilit est U(V)rep = t95% (N-1)N = 0,10 mL.
Par contre, pour la grandeur <VB>N , U(V)rep = (t95% (N-1)N) / N = 0,1/ 7 = 0,038 mL
Si des lves effectuent 3 mesures (par exemple 19,6 ; 19,555 ; 19,65), alors ils retiennent
<VB>N = 19,6 mL comme valeur mesure de VB et U(V)rep = (4,3 (N-1)N) / 3 = 0,0715
mL.
2- Dtection dune ventuelle erreur systmatique :
Toutes les mesures de lexemple prcdent peuvent tre affectes par une erreur systmatique.
Cette erreur, difficile prendre en compte a priori, peut avoir des origines diverses. Par
exemple, la goutte en plus ou en moins (virage dun indicateur color), ou la dissolution
du CO2 de lair, ou le temps de rponse des lectrodes de mesure, ou encore la stabilisation du
pH entre deux incrments de volume.
Pour chaque TP, il faut vrifier quil ny a pas derreur systmatique significative : si cest le
cas, il faudra se dbrouiller pour la prendre en compte dans lvaluation de lincertitude.
Pour dtecter une ventuelle erreur systmatique, il faut doser une solution talon Cet Cet
daussi bonne qualit que possible.
Dans lexemple prcdent, nous avons dos une solution talon de concentration
Cet Cet = (0,10010 0,00015)mol L-1 entre 18 et 22 C (conditions des mesures). Cette
tolrance est garantie par le fabricant de la solution.
On value U(V) avec U(V) = d + (U(V)rep).
On value alors le rsultat du dosage CB CB en utilisant <VB> et un nombre de mesures
aussi grand que possible : si cet intervalle contient lintervalle Cet Cet alors la mesure est
juste. Sil y a une erreur systmatique, elle est tolrable et on conserve ce rsultat. Si la
mesure nest pas juste, alors il faut prendre en compte lerreur systmatique dans lvaluation
de lincertitude VB. On associe une variable alatoire cette erreur systmatique, on value
U(V)ERS et on reprend le calcul de CB.
Dans lexemple prcdent :
Si on utilise <VB> (7 mesures) alors U(<VB>) = d + (0,038) = 2,5 10-3 + 1,44 10-3
=3,9410-3 mL
Et U(<VB>) = 6,3 10-2 mL
(U(CB)/CB) = (U(m)/m) + (U(P)/P) + (U(<VB>)/<VB>) (variables alatoires indpendantes)
Soit (U(CB)/CB) = (0,74/400) + (0,05*1,16/100) + (3,2 10-3)
(U(CB)/CB) = 3,4 10-6 + 0,34 10-6 + 10,3 10-6 = 14 10-6 Lincertitude relative sur le volume
lquivalence est prpondrante. On obtient donc : U(CB) /CB = 3,74 10-3
Avec <CB> = 0,09993 mol L-1 on obtient U(CB) = 3,7310-4 mol L-1 .
Le rsultat de mesure est donc CB95% = (0,09993 0,00037) mol L-1
Pour nos mesures le minimum est 0,09956 mol L-1
0,09956
0,09993
0,1003
Pour la solution talon le minimum est
-1
0,09995 mol L
0,09995
0,10010 0,10025
Pour nos mesures le maximum est 0,1003 mol L-1
Pour la solution talon le maximum est
0,10025 mol L-1
Cette mesure est juste et il ny a donc pas derreur systmatique significative.
Si on diminue le nombre de mesures, alors lincertitude CB deviendra de plus en plus grande
et le rsultat de mesure sera toujours juste.
72
Conclusion :
Pour valuer lincertitude dun dosage le professeur doit doser une solution talon et effectuer
un maximum de mesures dans les conditions de rptabilit. Il calcule C et U(C), puis vrifie
que le rsultat de mesure est juste.
Il peut alors valuer lincertitude U(V) sur une mesure de volume en prenant U(V)rep =
U(<V>)rep N puis U(C) pour une mesure de concentration.
Il communique aux lves lincertitude V ou C en tenant compte du fait quils effectuent
une mesure unique.
Dans lexemple prcdent :
- Si les lves effectuent une mesure alors U(VB)rep = t95% ( N-1)N = 0,10 mL.
Donc U(VB) = d + (U(VB)rep) = 2,5 10-3 + 10 10-3 = 12,5 10-3,
soit U(VB) = 2VB = VB = 0,11 mL. Cette valeur est communique aux lves.
Ils pourront alors valuer U(CB) avec
U(CB)/CB) = (U(m)/m) + (U(P)/P) + (U(VB)/ VB)
Il peut tre utile de leur fournir une feuille de calcul prprogramme.
- Nos lves nont pas souvent le temps deffectuer plusieurs mesures et valuer une
incertitude avec trois mesures nous semble assez risqu. Nous prfrons les inviter dtecter
une ventuelle erreur accidentelle.
3- Dtection dune erreur accidentelle :
Si on effectue N mesures dans des conditions de rptabilit, on suppose toujours que leur
distribution est gaussienne.
En mathmatiques, on montre que si lon tire, au hasard, deux vnements dune population
gaussienne dcart-type , alors la valeur absolue de leur diffrence est infrieure ou gale
2,80 (niveau de confiance de 95%).
Reprenons lexemple prcdent :
On a donn aux lves une incertitude V = 2V = 0,11 mL.
Il effectuent une premire mesure de valeur V1 puis une deuxime mesure de valeur V2.
Si |V2 V1| 1,4V = 0,154 mL alors ils considrent que les deux mesures sont correctes.
Si ce nest pas le cas, alors lune des deux mesures est fausse. Il faut effectuer une troisime
mesure de valeur V3 et recommencer le test sur |V1 V3| et |V2 V3| pour retenir deux
mesures correctes. Ils peuvent retenir la valeur moyenne de ces rsultats comme rsultat de
mesure en conservant V = 0,11 mL comme incertitude de mesure.
4- Exemple 2 : dosage pH-mtrique
On veut doser une solution dacide actique (thanoque) par une solution de soude
(hydroxyde de sodium). Pour permettre le contrle de la mthode, nous avons utilis deux
solutions talons dont les concentrations sont garanties entre 18 et 22 C.
Pour la soude CB95% = (0,10000 0,0002) mol L-1
Pour lacide actique : CA95% = (0,10000 0,00015) mol L-1
Le fabricant des solutions talons ne donnant pas dautre information, nous considrons que
les variables alatoires CA et CB ont une distribution rectangulaire .
Dans ces conditions, U(CA) = 1,161,510-4 mol L-1 et U(CB) = 1,16210-4 mol L-1.
On prlve un volume VA = 10,00 mL dacide laide dune pipette de classe A.
La solution de soude est introduite dans une burette de 25 mL (rsolution d=0,05 mL ; classe
A).
73
Si les lves effectuent une seule mesure, alors U(VB)rep = t95%(N-1)N = 0,1348 mL.
Lincertitude de la mesure dun volume VB est donc U(VB) = d + (U(vB)rep).
Soit U(VB) = 2,5 10-3 + 18,17 10-3 = 20,67 10-3 donc U(VB) = VB = 0,14 mL.
Cette valeur sera communique aux lves qui pourront alors valuer lincertitude de leur
mesure.
Une feuille de calcul permet dvaluer lincertitude sur la valeur dun volume
lquivalence lors dune mesure unique.
Exemple de feuille de calcul mise la disposition des lves :
Ils ralisent une seule mesure de valeur VB = 9,891 mL.
VB = 0,14 mL (donn).
CB = 0,1000 mol L-1 (donn)
CB = 2,34 10-4 mol L-1 (donn)
Ils savent que VA = 1,5 Vet et recherchent la valeur de Vet dans leur documentation.
Rsultat de mesure :
CA95% = (0,09891 0,0015) mol L-1.
Remarque :
Dans les deux exemples prcdents, les incertitudes sur les volumes ont t values sous la forme simplifie utilise par les lves. Il est
possible dutiliser une analyse plus fine de lincertitude sur les volumes (voir lexercice dosage conductimtrique ). Lincertitude due
lerreur de rptabilit est toujours dominante et lexprience montre que cette mthode, lourde mettre en uvre, ne change pas grand
chose au rsultat.
Annexe
Mesures multiples dun mme mesurande
Exemple :
Huit groupes de TP ralisent le dosage pHmtrique dcrit plus haut. Ils utilisent la mme
solution de soude et la valeur de la concentration CB leur est donne. Ils utilisent du matriel
de mme type et on obtient huit mesures de la concentration CA de la solution doser.
Ces mesures sont effectues dans des conditions de reproductibilit.
Reproductibilit des rsultats de mesurage :
Etroitesse de laccord entre les rsultats des mesurages du mme mesurande, mesurages
effectus en faisant varier les conditions de mesure (VIM).
Note (VIM) : pour quune expression de la reproductibilit soit valable, il est ncessaire de
spcifier les conditions que lon fait varier.
75
Les sources derreur dune mesure unique ont t dfinies plus haut : elles vont nous permettre de
prciser quelle information nous apporte la dispersion des huit valeurs mesures.
Les erreurs qui ont la mme valeur pour chaque mesure sont des erreurs systmatiques, celles dont la
valeur varie dune mesure une autre sont des erreurs alatoires. La dispersion des valeurs mesures
est due uniquement aux erreurs alatoires.
Rappelons que CA = (CBVB) / VA.
La valeur de CB est la mme pour chaque groupe : lerreur sur cette valeur est une erreur systmatique
qui napparatra pas dans la dispersion.
La valeur de VA (pipette) comporte les erreurs dtalonnage, de rptabilit et de dilatation thermique.
La verrerie est de mme type mais diffrente, les oprateurs sont diffrents : lerreur dtalonnage et
lerreur de rptabilit sont des erreurs alatoires.
La temprature est la mme pour tous les groupes : lerreur de dilatation est une erreur systmatique.
La valeur VB (burette) comporte le mme type derreurs que la valeur VA avec, en plus, une erreur de
lecture. Cette erreur est une erreur alatoire. Ici aussi lerreur de dilatation est une erreur systmatique.
La dispersion des valeurs mesures nous donne donc une information sur beaucoup derreurs mais
lerreur sur la valeur CB et les erreurs de dilatation thermique napparaissent pas.
Nous avons donc repris le calcul de lincertitude U(CA) / CA en considrant une mesure unique (
U(V)rep = t95% n-1) et en supprimant les termes U(CB) et U(V).
Nous obtenons U(CA) / CA = 1,00 10-2.
Si lon prend en compte toutes les erreurs on obtient U(CA) / CA = 1,47 10-2.
La diffrence est importante : on ne peut pas esprer obtenir une valuation raisonnable de
lincertitude en utilisant uniquement la dispersion des huit valeurs mesures de CA.
Remarque 1 :
Si lon retient ,comme rsultat, la valeur moyenne <CA>N des huit valeurs mesures, alors
U(<CA>N) = (t95% (N-1)N / N: on minimise ainsi linfluence des erreurs alatoires. Mais les
erreurs systmatiques sont constantes et la diffrence entre les deux valuations de lincertitude va
augmenter.
Remarque 2 :
Il nous semble difficile de ne pas prendre en compte lincertitude sur la valeur de CB.
Si les lves dterminent eux-mmes la valeur de CB par une mthode quelconque, alors lerreur sur
cette valeur deviendra une erreur alatoire qui apparatra dans la dispersion des rsultats. Dans ces
conditions, lvaluation de lincertitude partir de cette dispersion devrait tre convenable : la seule
erreur systmatique sera lerreur de dilatation thermique des liquides. Nous navons pas fait dessais
avec des groupes dlves.
Conclusion :
Lanalyse de la dispersion des rsultats obtenus par N groupes permet de mettre en vidence la
dispersion des rsultats due aux erreurs alatoires : elle nest donc pas rejeter. Nous venons
simplement de montrer sur un exemple quil fallait lemployer avec prudence sil sagit dvaluer une
incertitude de mesure. Dans notre enseignement, la question est toujours la mme : que voulons nous
valuer ? Lorsque nous aurons pos cette question, alors nous pourrons rechercher une solution.
76
Chapitre VII
Evaluation de lincertitude de mesure dune balance analytique.
I -Principe de fonctionnement dune balance.
Utiliser une balance semble simple. En fait, le rsultat dune pese nest pas
simple du tout interprter : une balance mesure une force et non une masse.
La recommandation internationale R33 publie par lOrganisation
Internationale de Mtrologie Lgale (OIML) dfinit la valeur
conventionnelle du rsultat des peses dans lair .
1- Masse conventionnelle.
En gnral, lorsque lon effectue une pese, elle a lieu dans lair. Le corps peser est donc
soumis son poids P (avec P = mg et = m/V) et la pousse dArchimde de lair Pa avec
Pa = a Vg = mga/.
a et sont les masses volumiques de lair et de lobjet dans les conditions de la pese.
Laction F exerce par lobjet sur le plateau de la balance est donc F = P + Pa avec F = P - Pa
soit F = mg( 1- a/). Cette action est transforme en une tension convertie par un CAN en
une donne binaire (quantification) : la sortie de la chane de mesure est lindication In de
lafficheur.
Toutes les balances sont construites de telle sorte que In = K F + b = Kmg(1 - a/) +b
= k m (1-a/) + b en considrant que g = constante (la balance est toujours utilise au mme
endroit).
Avant deffectuer une pese, il faut rgler (ajuster) la balance. On commence par rgler le
zro (tarage) lorsque aucun objet nest dpos sur le plateau.
Cette opration permet de rgler In = 0 lorsque F = 0 ( b = 0)In = KF= km (1-a/).
On procde ensuite au calibrage en posant sur le plateau une masse talon m0 de masse
volumique e.
Laction F sur le plateau est alors F0 = m0g (1- a/e) et lindication est In0 = k m0 (1-a/e).
In
In0
m
0
0
m0
Une fois la balance rgle, lon peut procder des peses. Posons sur le plateau de la balance
un objet de masse m et de masse volumique :
Laction de cet objet sur le plateau est F = mg (1 - a /), lindication In de la balance est donc
In = KF = k m (1-a/) = m ( (1-a/) / (1-a/e)) (1 g -1).
En divisant les deux binmes on obtient :
In = m(1- a (1/ - 1/e)) + ((a/e)- (a/ (a e)/(1-a/) + termes dordre 3
Nous recherchons une fonction simple utiliser permettant de comprendre lessentiel.
Compte tenu des ordres de grandeur de , e et a, nous retenons :
In = m(1- a (1/ - 1/e)) (1g-1). Pour obtenir la masse m de lobjet partir de lindication
In de la balance, il faut effectuer un calcul ncessitant la connaissance des valeurs des masses
volumiques , e et a : ce nest pas raliste.
77
78
Lutilisateur de poids talons de masse nominale mN, considre que la masse de ltalon
m = mN et que la masse volumique e = 8000 SI.
Pour une balance parfaite le rsultat de mesure M =1In = m(1- a(1/ - 1/8000)) : il ny a
pas dincertitude sur In et sur le coefficient 1 .
Si lon pose une masse m sur le plateau dune balance parfaite, celle ci mesure la masse
conventionnelle MC =1In = m(1- 1,2 (1/ - 1/8000)) condition que la masse volumique
de lair soit de 1,2 SI. Si ce nest pas le cas la valeur M1 = m(1- a(1/ - 1/8000)) qui
commande lindication de la balance est diffrente de la valeur MC.
M1 = MC + ER1, lerreur systmatique ER1 est due la variation de la masse volumique de
lair autour de 1,2 SI.
Pour une valeur de la masse m, la valeur mesure M1 dpend de la valeur de a : elle nest
gale la valeur de la masse conventionnelle MC que si a = 1,2 SI.
Le plus simple est de considrer que tous les rglages et toutes les mesures sont effectus
20C avec a = 1,2 SI : on considre donc que lon mesure MC alors que lon mesure M1.
On recherche ensuite lintervalle M1 M auquel appartient MC si a est diffrent de 1,2 SI.
Pour cela, il faut rechercher sur quel intervalle varie la masse volumique de lair dans un
laboratoire.
La masse volumique de lair dpend de la temprature, de la pression atmosphrique et de
lhumidit relative de lair. Elle fluctue, en un lieu donn entre deux limites centres sur
ac =1,2 SI.
On considre que a = ac + ERa : ERa est lerreur lie la variation de a autour de 1,2 SI.
- Si la temprature de lair varie entre 16 et 25 C
- Si lhumidit relative de lair varie de 30 70 %
- Si la pression atmosphrique varie de 980 1040 hPa
Alors, en utilisant les tables de valeurs de a, on value a = (1,20 0,05) SI
On considre que la variable alatoire associe lerreur ERa a une distribution normale et
que U(a) = 2 a = a = 0,05 SI. Cela revient considrer quil y a 95 chances sur 100 pour
que a appartienne lintervalle (1,20 0,05) SI.
M1 = m(1- a(1/ - 1/8000)) : si a varie autour de 1,2 SI alors M1 varie autour de MC et
M1= MC + ER1.
U(M)a = |M/a| U(a) = m(1/ - 1/8000) U(a) soit U(M)a = a m(1/ - 1/8000)
Le document R33 de lOIML propose la mme valuation de la pousse dArchimde.
Nous obtenons U(M)a / m = U(M)a / M = a (1/ - 1/8000) = 5 10-2 (1/ - 1/8000) (en
considrant que M est pratiquement gal m).
Si la masse volumique du corps pes est de 1000 SI, alors (U(M)/ M)a = 4,3 10-5
Si la masse volumique du corps pes est de 500 SI, alors (U(M)/ M)a = 9 10-5
Si la masse volumique du corps pes est de 2500 SI, alors (U(M) / M)a = 1,4 10-5
La grandeur (U(M) / M)a est value 8,6 10-5 si 500 < < 2500 SI et 1,3 10-5 si
2500 < < 9000 SI ( P = 95 %).
A lchelle dun laboratoire :
Un jour o la masse volumique de lair est a = a1 la pese dun objet de masse m et de masse
volumique avec une balance parfaite donne :
M1 = m(1 -a1(1/- 1/8000)) = 1In (pas dincertitude sur In ni sur le coefficient 1).
79
80
dpendre de la faon dutiliser la balance (rgle-t-on le zro avant chaque pese ? Ferme-t-on
les vitres ? ).
Avant dvaluer lincertitude dune mesure il faut donc dfinir un protocole.
Nous avons choisi dvaluer la balance lorsque les mesures sont effectues de la faon
suivante :
- Rglage de lhorizontalit.
- Stabilit thermique (les balances restent en permanence sous tension).
- Mesures vitres fermes .
- Tarage et calibrage avant de commencer les mesures.
- Vrification du zro (tarage), et rglage ventuel, avant chaque mesure.
- Masse toujours centre sur le plateau.
- La balance nest charge que pendant la dure minimale ncessaire pour effectuer une
mesure.
81
82
Annexe
Vrification, par pese, dune srie de fioles jauges
Pour des fioles de classe A, de volume V20N = 50,00 mL 20 C, le constructeur indique que
lincertitude dtalonnage (tolrance) Vet = 0,06 mL. Une fiole neuve est un talon , mais
les fioles vieillissent et peuvent perdre leurs caractristiques, en particulier si elles ont t
portes des tempratures suprieures 40 C (lave-vaisselle ou raction exothermique).
Lutilisation rgulire de dtergents est une autre source derreur.
Il est donc ncessaire de contrler priodiquement ltat des fioles jauges dun laboratoire.
83
ERrep est lerreur de rptabilit de lajustage du niveau. Nous avons vu dans le chapitre VI
quon associe cette erreur une variable alatoire de distribution rectangulaire et de demi
largeur Vet/2. Dans ces conditions lincertitude largie U(V)rep = 1,16Vet/2 = 0,58 Vet.
Ces erreurs sont indpendantes. Si lon crit que V20 = V20N, lincertitude largie U(V20) est
value par : (U(V20)) = (U(V)et) + (U(V)rep) = (1,16Vet) + (0,58Vet) = 1,68(Vet)
De la mme faon, si lon crit V20ref = V20N, lincertitude largie U(V20ref) est value par :
(U(V20ref)) = (U(V20)) = 1,68(Vet).
Avec V20 = V20N et V20ref = V20N il vient :
k = ( (V/Vref) 1) = ( (V20/V20ref) 1)= ( (V20N/V20N) 1= 0.
Les erreurs sur les volumes sont indpendantes et lincertitude largie U(k) est value par :
(U(k)) = ((k/V20) U(V20)) + ((k/V20ref) U(V20ref))
Soit (U(k)) = (U(V20)/ V20ref) + (U(V20ref) (-V20/ (V20ref)))
Avec V20 = V20ref = V20N et (U(V20ref)) = (U(V20)) = 1,68(Vet), on obtient :
(U(k)) = (U(V20)/ V20N) + (U(V20) (-V20N/ (V20N))) = 2 (U(V20)/V20N)
Soit (U(k)) = 21,68 (Vet / V20N)
Donc U(k) = 1,83 Vet/V20N avec P = 95 %.
Si la fiole vrifie est correcte, on doit avoir k95% = 0 U(k).
Nous allons voir que le facteur k peut tre mesur par pese et que le rsultat de la
mesure est kmesur U(kmesur). La fiole vrifie est correcte si ce rsultat appartient
lintervalle 0 U(k).
84
Ordres de grandeur :
Pour une fiole de 50mL, Mref = 50 g.
On utilise une balance pour laquelle ( M) = (0,29 M + 3,6) 10-4 g
Donc U(kmesur) = 7,2 10-5
Lincertitude U(k) = 1,83 Vet/V20N
V20N = 50 mL et Vet = 0,06 mL, donc U(k) = 2,2 10-3 >> U(kmesur).
Remarque :
Il nest pas ncessaire de conduire une analyse plus fine de lvaluation de lincertitude
U(kmesur) : dans tous les cas, lincertitude sur la valeur de kmesur est trs infrieure
lincertitude sur la valeur k = 0.
k
0+ U(k)
0
0- U(k)
Fioles
conformes
Les valeurs de kmesur U(kmesur) sont reprsentes sur un graphique k(n) (n = numro
de la fiole ) sur lequel la bande 0,000 U(k) est reprsente.
On voit ainsi, si les fioles contrles sont conformes ou non.
V- Exemple
On contrle un parc de fioles jauges de 50,00 ml 20 C. On dispose dune fiole neuve dont
lincertitude dtalonnage Vet = 0,06 ml.
Les fioles, propres et sches, sont peses sur une balance de porte 202 g. On utilise une
balance pour laquelle ( M) = (0,29 M + 3,6) 10-4 g
Les fioles sont remplies et ajustes avec de leau dminralise prleve dans un bidon en
quilibre thermique avec la salle, puis peses. Dans chaque cas, on calcule la masse
conventionnelle de liquide pese.
85
Il apparat que, dans ce cas, toutes les fioles vrifies sont conformes.
86
Chapitre VIII
TP doptique
Le thme de ce chapitre est la mesure de la distance focale dune lentille convergente. Elle
sera conduite en utilisant deux mthodes dont nous pourrons comparer les incertitudes.
Ce sera loccasion de mettre en uvre les outils et les mthodes que nous avons dfinis dans
les chapitres prcdents et de montrer que leur utilisation est tout fait gnrale.
Les mesures sont effectues avec de la lumire blanche. La distance focale dune lentille est dfinie pour une lumire monochromatique de
longueur donde donne. Le mesurande est donc mal dfini.
Si les variables alatoires associes aux grandeurs D et d sont indpendantes, alors on peut
utiliser le thorme des variances et crire que U(f) = ((f/D) U(D))+ ((f/d) U(d)).
Avec f/D = (D+d)/ 4D et f/d = -d/(2D).
Il faut donc valuer les incertitudes largies U(D) et U(d).
I- Evaluation de U(D).
D = n2 n1 : pour valuer lincertitude largie U(D) il faut analyser les erreurs qui affectent
les valeurs des positions n1 et n2.
Objet
ERS n1 = (n1 n1vrai) > 0
Support
Index
n1vrai
n1
Rgle gradue
Lobjet est mont sur un support. La position n1 du support est repre sur le rglet et elle est
cense reprer la position n1vrai de lobjet : il y a toujours une erreur systmatique
87
ERSn1 = n1 n1vrai. Il y a aussi une erreur de lecture ERlect1. Ainsi n1 = n1vrai + ERSn1 + ERlect1.
De la mme faon n2 = n2vrai + ERSn2 + ERlect2.
Les erreurs systmatiques ERSn1 et ERSn2 concernent deux situations diffrentes et nont pas
la mme valeur. Il en est de mme des erreurs de lecture.
Donc D = n2 n1 = (n2vrai + ERSn2 + ERlect2) (n1vrai + ERSn1 + ERlect1).
Soit D = Dvrai + ERSn2 + ERlect2 - ERSn1 - ERlect1.
Il nest pas question de corriger les erreurs systmatiques. Nous allons associer des variables
alatoires chaque erreur. Si elles sont indpendantes, alors nous pourrons valuer U(D) en
utilisant le thorme des variances.
On associe chaque erreur systmatique une variable alatoire de distribution rectangulaire
dont nous valuons la demi largeur 1 mm = d, la rsolution du rglet.
Dans ces conditions, U(n)ERS = 1,16d.
On associe une autre variable alatoire aux erreurs de lecture. Nous suivons le GUM et
adoptons U(n)lect = (2d)/12 = 0,58d.
Toutes ces variables alatoires sont indpendantes donc :
U(D) = U(n)ERS1 + U(n)ERS2+ U(n)lect1+ U(n)lect2 et U(D) = 2 U(n)ERS + 2 U(n)lect.
Remarque :
Nous avons considr que les valeurs n1 et n2 taient exprimes en cm. Nous avons donc
suppos que le rglet tait parfait. On peut aussi considrer que n1 et n2 sont des indications
(nombres sans unit) et que D = (n2 n1) k avec k = 1 cm. Les dfauts du rglet conduisent
une incertitude sur la valeur de k. Compte tenu des ordres de grandeur, nous avons nglig
cette incertitude.
88
I -Evaluation de U(p) :
p = n1 x
Les erreurs sur les positions n1 et x sont les mmes que plus haut.
Donc n1 = n1vrai + ERSn1 + ERlect1 et x = xvrai + ERSx + ERlectx + ERmapx.
Soit p = (n1vrai + ERSn1 + ERlect1) (xvrai + ERSx + ERlectx + ERmapx).
Et p = pvrai + ERSn1 + ERlect1 - ERSx - ERlectx -ERmapx
On associe aux erreurs systmatiques une variable alatoire de distribution rectangulaire et de
demi largeur ERS = 0,1 cm. Donc U(x ou n)ERS = 1,16ERS.
89
Les erreurs de lecture sont toujours values par U(n ou x) lect = 0,58d.
Les erreurs de mise au point restent values par U(x)map = 1,16 ERmax.
Les variables alatoires associes ces erreurs sont indpendantes et ;
U(p) = U(n)ERS + U(x)ERS + U(n)lect + U(x)lect + U(x)map.
Soit U(p) = 2( 1,16ERS) + 2 ( 0,58d) + (1,16 ERmax)
II -Evaluation de U(p) :
p = n2 x
Avec n2 = n2vrai + ERSn2 + ERlect2 et x = xvrai + ERSx + ERlectx + ERmapx.
Donc p = (n2vrai + ERSn2 + ERlect2) (xvrai + ERSx + ERlectx + ERmapx).
Et p = pvrai + ERSn2 + ERlect2 - ERSx - ERlectx -ERmapx
Les variables alatoires associes ces erreurs sont indpendantes et ;
U(p) = U(n)ERS + U(x)ERS + U(n)lect + U(x)lect + U(x)map.
Soit U(p) = 2( 1,16ERS) + 2 ( 0,58d) + (1,16 ERmax) = U(p)
Il apparat que le terme (sp p) est ngligeable devant (sp p) : nous pouvons donc sans
inconvnient retenir le rsultat de mesure f = (19,93 0,21) cm.
Avec la deuxime valeur x = 57,1 cm, on obtient : f = (19,75 0,21) cm. Dans ce cas cest le
terme (sp p) qui est ngligeable devant le terme (sp p).
90
91
Chapitre IX
Travaux Pratiques de Chimie analytique
Dans les chapitres VI et VII nous avons vu comment valuer lincertitude sur une masse
conventionnelle pese avec une balance et sur un volume mesur avec une verrerie jauge.
Nous allons utiliser ces donnes et notre mthode dvaluation des incertitudes dans le cadre
de Travaux Pratiques de Chimie analytique. Pour simplifier, les masses conventionnelles
seront appeles des masses et notes m. Une variation de temprature provoque une
variation de concentration : lincertitude sur les volumes prend en compte la dilatation
thermique et toutes les concentrations seront dfinies entre 16 et 24 C.
- Exemple : prparation dun litre de solution de KCl de concentration (environ) 0,1 mol L-1.
Masse molaire de KCl, M = 74,55 g mol-1 (incertitude ngligeable).
Puret P du produit utilis, indique par le fabricant : minimum 99,5 % (toujours exprime en
pourcentage en masse).
On adoptera P = (100 + 99,5)/ 2 et P95% = (99,75 0,25) % : on associe P une variable
alatoire de distribution rectangulaire et de demi largeur P = 0,25 %. Lincertitude largie
U(P) est donc U(P) = 1,16P = 1,16 0,25 = 0,29 %.
Masse peser pour 0,1 mol L-1 : 7,455 g
Masse rellement pese m = 7,4321 g avec U(m) = m = (0,27m + 7,3) 10-4 g (pour la
balance utilis).
Ici, m = 0,93 mg donc m95% = (7,43210 0,00093) g
- Le produit est mis en solution dans de leau distille et le volume V est ajust 1000,0 mL
dans une fiole jauge de classe A. Lincertitude dtalonnage de la fiole, Vet = 0,40 mL.
Lincertitude largie sur le volume, U(V) = V = 1,5Vet = 0,60 mL si la temprature varie
entre 16 et 24C (voir le chapitre VI).
Soit V95% = (1000,00 0,60) mL
- La concentration de la solution C = (1000 Pm)/(VM) mol L-1 = 0,0994436 mol L-1
- Les erreurs alatoires sont indpendantes et on peut les composer en utilisant le thorme
des variances :
(U(C)/C) = (U(P)/P) + (U(m)/m) + (U(V)/V)
Soit (U(C)/C) = (2,501,16.10-3) + (0,125.10-3) + (0,6.10-3)
(U(C)/C) = 10-6 (8,41 + 0,0156 + 0,36) = 8,7856 10-6 (U(C)/C) = 2,964 10-3
U(C) = 0,295. 10-3 mol L-1. Donc U(C) = C = 0,30. 10-3 mol L-1 (p = 95%).
Et C95% = (0,09945 0,00030) mol L-1 (niveau de confiance >= 95 %) pour 16 < < 24 C
- Il apparat que lincertitude P sur la puret du produit est prpondrante.
- Ce type dopration tant courant, nous avons cr une feuille de calcul permettant dobtenir
rapidement le rsultat. Le rglage des chiffres significatifs appartient lutilisateur.
92
II.
- On utilise la solution prcdente (solution mre de concentration CM) pour prparer des
solutions filles de concentration CF (gamme de solutions talons).
- Exemple : on veut prparer 100 mL de concentration CM/2 = 49,73 10 3 mol L-1.
CF = (CM VM )/VF. On prlve VM = 50,00 mL avec une fiole jauge (classe A).
Lincertitude dtalonnage Vet = 0,06 mL et lincertitude U(VM) = 1,5Vet = 0,090 mL.
Ce volume est ramen, avec de leau distille, VF =100,00 mL dans une fiole de 100 mL
classe A.
Lincertitude dtalonnage Vet = 0,10 mL et lincertitude U(VF) = 1,5 0,1 = 0,15 mL
- Les variables alatoires sont indpendantes et lon peut utiliser le thorme des variances.
Soit (U(CF)/CF) = (U(CM)/CM) +(U(VM)/VM) + (U(VF)/VF)
Donc (U(CF)/CF) = (9,1 + 3,24 + 2,25) 10-6 = 14,59.10-6
Et (U(CF)/CF) = 3,82.10-3 U (CF) = CF = 3,82 10 -3 49,73 10-3= 0,19 10-3 mol L-1
- Finalement : CF95% = (49,73 0,19) 10-3 mol L-1 pour 16 < < 24 C
Il apparat que lincertitude U(CM) est prpondrante : rappelons quelle est essentiellement
due la puret du produit.
- On rencontre souvent la forme C2 = k(C1V1) / V2, aussi bien lors de dilutions que lors dun
dosage. Le facteur k permet dobtenir un outil gnral. Nous avons cr une feuille de calcul
permettant dobtenir rapidement le rsultat.
- Les incertitudes U(V) sont notes V. Pour des verreries jauges V = 1,5 Vet. Sil
sagit dun dosage U(V) = V = (d + (U(V)rep)) (voir le chapitre VI).
93
III.
VM = 50,00 mL (fiole jauge de classe A) et U(VM) = 1,5Vet = 1,5 0,06 = 0,09 mL.
VF = 100,00 mL (fiole jauge de classe A) et U(VF) = 1,5 0,1 = 0,15 mL.
(U(ket)/ket) = (U(VM)/VM) + (U(VF)/VF)
Donc (U(ket)/ket) = 10-4 ((0,18) +0,15)) = 10-4(0,0549) =5,49 10-6
Et (U(ket)/ket) = 2,343.10-3 = 2,4 10-3.
- On obtient donc U(ket) = ket = 1,2 10-3 soit ket = (500,0 1,2) 10-3 avec P >= 95%.
Pour chaque solution de la gamme talon , lon prcise ket ket : les valuations de ket
sont plus rapides que les valuations de U(CF) = CF. Lincertitude sur la concentration de la
solution mre (qui prend en compte la puret P du produit utilis) nest prise en compte que
dans lvaluation finale de U(CX) = CX.
Dans les deux paragraphes suivants nous allons voir une application de cette mthode.
B Dosage conductimtrique.
- La conductivit dune solution aqueuse de K++ Cl- varie en fonction de sa concentration et
de sa temprature. On utilise cette proprit pour doser une solution de K++ Cl- en utilisant
un conductimtre.
I.
Schma du montage.
Conductimtre
Cellule de
conductimtrie
Indication In
Solution de K+ + Cl la temprature
La chane de mesure.
G = K
In
- Il y a deux grandeurs dentre : la concentration et la temprature de la solution. Si la
temprature des solutions est maintenue constante (voir plus loin) alors lindication In ne
dpend que de la concentration C de la solution et de la constante K de la cellule.
- On veut tablir, par talonnage, une fonction C = f(In) et utiliser cette fonction pour raliser
le dosage dune solution de K+ + Cl-. Dans ces conditions, il nest pas ncessaire de connatre
la constante K de la cellule : seule la relation C(In) nous intresse.
- Pour cette chane de mesure le mesurande est C. La temprature est une grandeur
dinfluence (linfluence de sur C est prise en compte dans lvaluation de C et elle est trs
faible devant linfluence de sur la conductivit de la solution).
95
III.
IV.
1.
Solution mre.
- On prpare une solution mre de KCl de concentration CM = 0,1 mol L-1 (environ
exact ) : voir A.
- On obtient CM = 0,09945 0,00030) mol L-1 (P = 95 %)
2.
96
Trs important : Toutes les solutions sont conserves dans des flacons en polythylne.
Dans un flacon de verre, leau dissout des ions du verre et la conductivit de la solution
augmente (attention aux solutions de faible concentration).
V.
Etalonnage de la chane de mesure et modlisation du nuage de
points.
- Les solutions sont places, de prfrence, dans des tubes en polythylne. Les tubes sont
placs dans un bain thermostatique mme sommaire. Les mesures ne sont effectues que
lorsque les solutions sont en quilibre thermique avec le bain.
Pour les mesures que nous avons ralises, la temprature des solutions est reste constante et
gale 22,0 C pendant toute la dure (brve) de la manipulation.
- Pour chaque solution talon ket, la cellule de conductimtrie est rince avec de leau distille
puis avec la solution talon (tubes de rinage) avant dtre plonge dans la solution talon.
- Pour chaque solution talon, on relve lindication In de linstrument (sans unit) et lon
dite le nuage de points ket = f(In). Le nuage de points est ensuite modlis sous la forme
k = aIn + b.
VI.
- Pour contrler la qualit de nos rsultats, nous dosons une solution connue.
ket95% = 0,7500 0,0018
La valeur de ket est donc comprise entre 0,748 et 0,752 (P = 95%).
- Pour cette solution, dont le facteur k est suppos inconnu, lindication Inx = 10,47.
On peut donc prvoir une valeur probable kx = a Inx + b = 0,74819483.
Evaluation de lincertitude sur la valeur de kx :
97
98
C Dosage spectrophotomtrique.
Le mesurande est la concentration C dune solution colore lorsquelle est claire avec
une lumire blanche (on utilise un spectrophotomtre travaillant avec une lumire dont la
longueur donde varie de 325 900 nm). Linstrument est rgl de telle sorte que son
indication In = 1 AS : AS est labsorbance du solut. Dans certaines conditions lon obtient
C = k AS = k In et lon peut doser une solution.
I.
Cuve + solvant
II.
Loi de Beer .
AS = LC
reprsente la probabilit dabsorption dun photon incident par une molcule ou un ion
du solut, ce coefficient dpend de la longueur donde de la lumire utilise.
L est lpaisseur de liquide traverse par la lumire.
C est la concentration du solut.
- Si est constant pour toutes les valeurs de C et si L = constante, alors AS = kC : cela est
vrifi si la concentration C est infrieure une limite Clim.
On peut alors mesurer simplement C en mesurant AS.
- Il faudra dabord sassurer que les photons utiliss sont bien absorbs par le solut ( fort).
La premire tape consiste tracer AS (), le spectre dabsorption du solut (L et C
constants). On obtient ainsi AS = k1 avec k1 = LC.
Mais, mme avec un spectrophotomtre performant, la lumire utilise nest jamais
monochromatique : est la bande passante du monochromateur. Pour que le coefficient
soit bien dfini lors du dosage, il est important de rgler la longueur donde dans une zone ou
est constante et maximale (maximum dabsorption que nous noterons max).
Remarque :
Ltalonnage des monochromateurs tant rarement contrl, il est prfrable de rechercher
exprimentalement, dans chaque cas, la longueur donde correspondant un maximum
dabsorption.
99
III.
La chane de mesure.
max
Conditionneur
Afficheur
U = k
Capteur
In = 1AS
Zro
Gain
- On ralise une srie de solutions talons partir dune solution mre . Chaque
solution a une concentration Cet Cet (P >= 95%).
- La longueur donde de la lumire est rgle au maximum dabsorption. Le zro et le
100 % sont rgls et vrifis rgulirement. Linstrument est programm pour afficher
AS = 1In.
- On utilise un jeu de N cuves (une pour le solvant, les autres pour les solutions talons ),
supposes identiques. On trace C = Cet = f(In).
100
C
Clim
Cx
Inx
V.
In
- Tout ce qui prcde suppose que lon utilise toujours la mme cuve. Pour des raisons
pratiques, ce nest pas le cas : on utilise un jeu de N cuves supposes identiques. Dans les
laboratoires denseignement les cuves en plastique sont souvent rutilises et elles ne sont
plus identiques.
- Nous proposons un test permettant de trier les cuves et dvaluer la rptabilit des
mesures (position de la cuve dans le faisceau, lumire parasite,).
On slectionne N cuves (on prvoit quelques cuves supplmentaires pour le dosage). Le
zro et le 100 % sont rgls. On remplit les N cuves (y compris celle qui est destine
contenir le solvant) avec une solution correspondant au milieu de l'tendue de mesure de C.
On mesure N fois la valeur correspondante de In. On retient U(In) = t95%(N-1)N (t95% est le
coefficient de Student correspondant N mesures et P = 95%).
- Lincertitude U(In) = t95%(N-1)N est exprime sous la forme U(In) = rd (d est la
rsolution de lafficheur). La valeur minimum de r est de 0,5 (voir le chapitre V).
- Si une cuve donne une valeur mesure manifestement loigne de la moyenne des valeurs
mesures, alors on la change. Les N cuves tant slectionnes, elles sont vides, rinces, puis
remplies avec le solvant ou lune des solutions talons.
- Les autres sources derreur sont :
La quantification (spectrophotomtre numrique).
Lerreur sur la concentration Cet des solutions talons.
Lerreur de linarit du modle C = aIn + b utilis.
VI.
Evaluation de lincertitude C.
- Nous avons vu (chapitre V) que, chaque fois que lquation utilise pour la prvision dun
rsultat provient dune modlisation du type M = aIn + b, lincertitude de mesure est
exprime sous la forme M = constante.
- Lon a tabli que, dans ce cas, U(M) = M = 1,16[2 (rq) +Met+ (ERmax)] avec un
niveau de confiance P >= 95% (en considrant que toutes les variables alatoires ont une
distribution rectangulaire).
- Soit, ici, U(C) = C = 1,16 [2 (rq) +Cet+ (ERmax)] avec P>= 95%.
- Pour chaque point (Cet, In) de ltalonnage, on calcule C = aIn + b, la valeur de C prvue en
utilisant le modle. On calcule ensuite, pour chaque point, la diffrence ER = C - Cet (Cet est la
concentration de la solution talon correspondant chaque valeur de In).
- On trace ER(C) puis lon repre ERmax, la valeur maximale de |ER| et la valeur
correspondante de Cet (ou la valeur maximale de Cet).
- Le quantum q de linstrument est q = a d (g/L) (a est la pente du modle et d est la
rsolution de lafficheur).
101
102
- Lerreur de linarit (kprvu par le modle - ktalon) est distribue autour de zro. Sa valeur absolue
maximale ERmax = 1,36 10-3. Lincertitude correspondante de la solution talon ket = 6 10-4.
Lincertitude U(k) = k = 1,16 [2 (rq) +ket+ (ERmax)] = 1,16 10-4 * [ 42 + 36 + 185]
(ordres de grandeur) soit k = 1,88 10-3 (P >= 95%). Le calcul considre que toutes les
variables alatoires ont une distribution rectangulaire : ce nest pas le cas de ket mais le calcul
montre que cela ne change pas grand chose au rsultat et lon utilise la forme standard de
lvaluation de M.
- Cest donc le dfaut de linarit du nuage de points qui introduit une contribution majeure
lincertitude du rsultat. Il ne servirait pas grand chose de choisir un spectrophotomtre
ayant une rsolution d < 0.001.
Lincertitude relative de la valeur de k varie de la faon suivante :
k/k
k/k %
8,00E+00
6,00E+00
4,00E+00
2,00E+00
0,00E+00
0
0,05
0,1
0,15
0,2
0,25
0,3
Dosage :
103
Valeur vraie du
mesurande M
Systme de
mesure
Mvrai
Valeur
mesure m
Mvrai
Erreur ER = m - Mvrai
m
- Il y a toujours une erreur ER = m Mvrai et, la valeur Mvrai tant inconnue, la valeur de cette
erreur est toujours inconnue.
Il est donc impossible dobtenir la valeur Mvrai partir de la valeur m.
2- Erreur alatoire et erreur systmatique :
- Pour distinguer ces erreurs il faut considrer que le mme oprateur effectue, dans les mmes conditions, N mesures du mme mesurande
(conditions de rptabilit).
- Une erreur systmatique est une erreur qui prend la mme valeur (inconnue) lors de
chaque mesure.
Exemples :
Erreur de position dune lentille sur son support, erreur due la rsistance des fils de liaison
lors de la mesure dune rsistance,..
- Une erreur alatoire est une erreur qui prend une valeur diffrente lors de chaque
mesure.
Exemples :
Erreur de mise au point lors de la formation dune image, erreur de lecture de la position dun
index devant une chelle gradue,
- Nous ne corrigeons que trs rarement une erreur systmatique.
Pratiquement dans tous les cas, nous associons une variable alatoire une erreur
systmatique.
104
3- Incertitude de mesure :
La valeur de lerreur ER est toujours inconnue, mais nous disposons doutils permettant
dvaluer quel intervalle (ERmin ; ERmax) appartient cette valeur, avec un niveau de
confiance de 95 %.
- Il y a 95 chances sur 100 pour que la
Valeur
valeur de lerreur ER appartienne
mesure m
lintervalle de confiance (ERmin ; ERmax).
m + ERmax
Intervalle
de - La valeur M de lincertitude de la
Mvrai
confiance
2M.
mesure est, par dfinition, gale la moiti
Erreur ER
de lintervalle de confiance.
m
Niveau de confiance - Il y a donc 95 chances sur 100 pour que la
P = 95 %.
valeur vraie du mesurande appartienne
lintervalle (m - M ; m + M).
m + ERmin
- Le rsultat de mesure est M = m M
avec P = 95 %.
- Pour valuer la valeur M de lincertitude de mesure, il faut valuer lintervalle des valeurs
probables de lerreur ER avec un niveau de confiance de 95 %.
- La valeur de lerreur ER est toujours inconnue, mais les statistiques (chapitre II) nous
permettent dvaluer lintervalle de confiance de la valeur ER avec un niveau de confiance
P = 95 %.
Mesure directe : on dit quune mesure est directe lorsque le systme de mesure fournit
directement la valeur mesure (thermomtre, multimtre).
Mesure indirecte : on dit quune mesure est indirecte si la valeur mesure doit tre calcule
partir de la valeur de plusieurs grandeurs (mesure de la valeur dune surface partir de deux
mesures de longueur, par exemple).
I- Reprage des diffrentes sources derreur :
Lors dune mesure directe, en gnral, plusieurs sources derreur ER1, ER2, interviennent
et m = Mvrai + ER1 + ER2+. = m + ERm avec ERm = ER1 + ER2 +..
Exemples :
105
- On associe chaque erreur une variable alatoire x dfinie par son type de fonction de
distribution, sa demi largeur a et son cart-type : cela signifie que lon dispose
dinformations sur les erreurs ERi et que lon sait les traduire sous une forme statistique.
Nous nutilisons que les fonctions de distribution rectangulaire (uniforme) et normale
(gaussienne).
Pour une fonction de distribution normale, de demi largeur a, lcart-type = 0,33 a.
Pour une fonction de distribution rectangulaire, de demi largeur a, lcart-type = 0,58 a.
Erreurs indpendantes :
- Les variables alatoires associes chaque erreur sont indpendantes sil ny a aucune
relation entre les valeurs de ces grandeurs : ce qui est trs souvent le cas. Nous dirons alors
que les erreurs sont indpendantes : la valeur de lerreur ER1 ne dpend pas de la valeur de
lerreur ER2.
III- Composition des incertitudes : thorme des variances (chapitres II et III)
- Si les variables alatoires sont indpendantes, le thorme des variances permet
dvaluer simplement la valeur de lincertitude M de la mesure, avec un niveau de confiance
P suprieur ou gal 95 %.
1- Mesure directe : forme simple du thorme des variances
On rencontre souvent des cas o lerreur ERm = ER1 + ER2 + : lvaluation de
lincertitude largie lie lerreur ERm est alors simple.
Le thorme des variances fait intervenir lcart-type x des fonctions de distribution
attaches chaque type derreur ERx (incertitude type) et conduit lcart type de la fonction
de distribution lie lerreur ERm = ERx.
Nous utilisons directement les incertitudes largies U(X) = k x = 2 x (facteur
dlargissement k = 2) et le thorme des variances nous donne alors directement lincertitude
largie U(m) = M correspondant lerreur ERm, avec un niveau de confiance de 95 %. On
obtient donc directement la valeur M de lincertitude de mesure.
Si ERm = ER1 + ER2+... alors U(m) = (U(m)ER1) + (U(m)ER2) + .= M avec P >= 95%
- La valeur dune incertitude nest pas le rsultat dun calcul rigoureux, il sagit plutt dune
valuation. Cette valuation est conduite de faon ne pas minorer la valeur de lincertitude.
Finalement lerreur relative sur la valeur dune incertitude est de lordre de 20 30 %.
En consquence, la valeur de lincertitude largie U(m) = M est donne avec au
maximum deux chiffres significatifs et lon conserve le nombre de chiffres significatifs
correspondant pour la valeur mesure m.
2- Mesures indirectes : cas simples
On rencontre souvent :
- Des cas du type m = x.y../z.. (chimie). Les valeurs des grandeurs x, y, z,.. sont incertaines et
lon a valu les incertitudes largies U(x), U(y), U(z).
Dans ces conditions, si les erreurs sont indpendantes, le thorme des variances conduit :
(U(m)/m) = (U(x)/x) + (U(y)/y) + (U(z)/z) + .. et M = U(m)
Cette expression se gnralise toute expression du type m = (produit(xi)) / (produit (yi)).
- Des cas du type m = x + y + z +.
Dans ces conditions, si les erreurs sont indpendantes, le thorme des variances conduit :
U(m) = U(x) + U(y) + U(z)+..
106
107
200
0,15
15
0,020
250
0,15
20
0,030
25
0,030
500
0,25
1000
0,40
50
0,050
100
0,080
Cette incertitude largie rsulte dune composition et peut donc tre utilise
directement dans une autre composition. Lors dun dosage cette incertitude est
compose avec une incertitude de rptabilit .
D- Evaluation de lincertitude largie lie
rptabilit (Chapitres II et III), valuation de type A :
une
erreur
de
Le mme oprateur ralise, dans les mmes conditions, N mesures mi dun mme mesurande
M (conditions de rptabilit).
Si ces N mesures ont des valeurs diffrentes, alors il y a une erreur (alatoire) de rptabilit.
Exemples :
108
Mesure dun volume lquivalence (dosages), mesure dune masse conventionnelle, mesure
de labsorbance dun solut,.
I- Loi de Student :
<m>N = (i(mi)) / N est la moyenne arithmtique de l'chantillon.
- Lcart-type exprimental (N-1)N de la distribution des mesures est calcul partir de
((N-1)N) = (i(mi <m>N))/ (N-1).
- Lcart-type exprimental de la moyenne <m>N est <m>N = (N-1)N / N.
- Pour chaque valeur mesure, mi = MC + ERrep : on considre que la variable alatoire rep
associe lerreur ERrep est centre sur zro et a une distribution normale dcart-type m.
MC est la valeur centrale de la distribution des valeurs mi. Sil ny a pas derreur systmatique,
la valeur MC tend vers Mvrai .
La loi de Student permet, avec N valeurs mesures, de dfinir lintervalle
<m>N t(N,95%) (((N-1))N/N) qui contient la valeur centrale MC avec un niveau de confiance de 95 %.
14
2,16
3,01
16
2,13
2,95
20
2,09
2,86
109
- En cas de doute, on considre que la variable alatoire lie lerreur de rptabilit a une
distribution rectangulaire de demi largeur t(N, 95%)(N-1)N.
Dans ces conditions U(m)rep = 1,16 t(N, 95%)(N-1)N
Conclusion :
Lincertitude largie U(m)rep est value une fois partir de N mesures.
- Une valeur mesure m est affecte par une erreur de rptabilit. Lincertitude largie de
rptabilit U(m)rep = t(N, 95%)(N-1)N correspond un niveau de confiance de 95% :
elle peut tre utilise directement dans une composition dincertitudes.
- Lincertitude de rptabilit nest quune composante de lincertitude de mesure : il
faut la composer avec les autres incertitudes pour obtenir lincertitude globale U(M)
et le rsultat de mesure.
110
- On dite alors le nuage de points ER(In) (dispersion du nuage de points autour du modle).
Le nuage de points doit tre rparti de faon ( peu prs) alatoire autour de la valeur ER = 0
(un peu de bon sens suffit pour apprcier ce critre).
- On repre les valeurs ERmin et ERmax (dont les valeurs absolues doivent tre assez proches).
On retient, comme valeur ERmax de lerreur de linarit, la valeur absolue maximale |ERmin|
ou |ERmax|.
- On associe cette erreur une variable alatoire de distribution rectangulaire et de demi
largeur a = ERmax.
Lincertitude largie lie cette erreur est U(m)lin = 1,16 ERmax
b) Erreur sur la valeur des talons :
- Lincertitude Met sur la valeur des talons est donne par leur constructeur.
Donc U(m)et = 1,16 Met
- Si les talons utiliss nont pas la mme incertitude Met, la valeur de Met est celle qui
correspond ltalon qui conduit ER = ERmax. On peut aussi retenir la valeur maximale de
Met.
c) Erreur de rptabilit-quantification :
- Avec une chane de mesure numrique il y a toujours une erreur de quantification et
lincertitude largie de quantification U(m)q = 1,16 (q/2) (q est le quantum de la chane).
- Il peut aussi y avoir une erreur de rptabilit.
On choisit la valeur Met dun mesurande talon peu prs au milieu de ltendue de mesure
de la chane. Le mme oprateur mesure N fois la valeur de lindication In dans les mmes
conditions. Si ces valeurs sont disperses, alors il y a une erreur de rptabilit (qui prend en
compte lerreur de quantification).
- Pour traiter de la mme faon ces deux erreurs, nous avons dfini le coefficient de
rptabilit r.
Le coefficient r = (t95% (N-1)N) / d compare la dispersion des valeurs de In la rsolution d
de lafficheur (on utilise la loi de Student et le coefficient t95% correspondant, (N-1)N) est
lcart-type exprimental de la dispersion des valeurs In)).
Sil y a une erreur de rptabilit alors U(m)rep = 1,16 a t95% (N-1)N (a est le coefficient
du modle m = aIn + b).
Donc U(m)rep= 1,16 a r d = 1,16 r q puisque a d = q.
Sil ny a pas derreur de rptabilit, il reste lerreur de quantification et U(m)q = 1,16(q/2).
- Nous avons regroup ces deux erreurs pour obtenir une erreur de rptabilit-quantification
telle que, dans tous les cas U(m)rq = 1,16 r q.
- Sil ny a pas derreur de rptabilit, alors r = 0,5.
- Sil y a une erreur de rptabilit, alors r = (t95% (N-1)N) / d
- Ainsi, dans tous les cas, une valeur de In conduit une erreur de rptabilit-quantification.
Lincertitude largie associe cette erreur est U(m)rq = 1,16 r q (avec r >= 0,5)
Remarque :
La valeur du coefficient r peut-tre obtenue rapidement en utilisant une feuille de calcul prprogramme.
2- Evaluation de lincertitude largie dune mesure.
- Les trois erreurs dfinies plus haut sont indpendantes et lon obtient :.
U(m) = 1,16 (2( rq) + ERmax + Met) = M = constante.
111
112
Annexe
Evaluation de lincertitude de mesure si les variables alatoires ne sont pas
indpendantes
- Pour utiliser le thorme des variances, sous la forme simple que nous avons utilise, il faut
que les variables alatoires associes aux diffrentes erreurs soient indpendantes. Si ce nest
pas le cas, il faut utiliser le thorme des variances sous sa forme gnrale. Celle-ci fait
intervenir la covariance des diffrentes variables alatoires, cest dire des termes qui
prennent en compte la corrlation entre les variables alatoires. On aboutit une mthode
difficile mettre en uvre et nous y avons renonc : les cas o lon rencontre des variables
alatoires non indpendantes sont rares.
- Au cas o lon rencontrerait un tel cas, nous proposons une mthode sommaire, mais simple
utiliser. Cette mthode fait appel la notion de diffrentielle dune fonction.
I- Diffrentielle dune fonction :
- Considrons un rsultat de mesure m = f(x, y, z,..)
Par dfinition, la diffrentielle dm de la fonction m est :
dm = (m/x)dx + (m/y)dy + (m/z)dz +
Les termes m/i sont les drives partielles de la fonction drivable m (x, y, z, ..).
Tous les termes de la forme (m/i)di ont la mme unit que le mesurande M.
- En premire approximation (au premier ordre) les diffrentielles dx, dy, dz et dm peuvent
tre interprtes comme des petites variations x, y, z,.., m autour des valeurs x, y, z et
m. Cette relation permet donc de composer de petites variations de x, y ou z et dobtenir la
variation correspondante m du rsultat de mesure m.
II- Exemple :
- On mesure la valeur dune rsistance R en utilisant un ampremtre et un voltmtre.
- On considre que les erreurs systmatiques sont ngligeables.
- Le voltmtre mesure U U (U donne par le constructeur, niveau de confiance non
prcis, suppos raisonnable).
- Lampremtre mesure I I (I donne par le constructeur, niveau de confiance non
prcis, suppos raisonnable).
- La valeur mesure R = U/I et dR = (R/U)dU + (R/I)dI = (dU)/ I (U/I) dI
- Considrons une variation I autour de la valeur I et une variation U autour de la valeur U.
La variation R autour de la valeur R est R = (U)/ I (U/I) I.
III- Evaluation de lincertitude R :
- Reprenons lexpression R = (U)/ I (U/I) I
Elle permet de calculer la variation R lie aux variations U et I.
- Mais, lors dune mesure, on ne sait pas quelles sont les valeurs des erreurs U et I sur les
valeurs U et I : on ne peut donc pas calculer la valeur de lerreur R.
- On utilise la relation prcdente en se plaant systmatiquement dans le cas le plus
dfavorable.
On suppose que lerreur sur la valeur I, ne peut prendre que les valeurs extrmes +I ou - I,
dfinies par le constructeur de linstrument, et quil en est de mme pour lerreur sur la valeur
U.
113
- On recherche alors la valeur maximale Rmax de R : Rmax = (1/I) (+U) + (-U/I) (-I)
Ou encore : Rmax = |1/I| (U) + |-U/I| (I) les grandeurs U et I tant positives.
Le rsultat de mesure est R Rmax.
- Dune faon gnrale nous crirons que :
mmax = ( |m/x| (x) + |m/y| (y) +|m/z| (z) + ..)
Remarque 1 :
- Cette mthode est utilisable dans tous les cas. Elle suppose que les erreurs ne sont pas
indpendantes et mme quelles sont corrles de la pire des faons (dans notre exemple, si
U est maximum, alors I est minimum). Ce cas est trs peu probable et le rsultat obtenu est
toujours exagr.
Remarque 2 :
- Cette mthode ne donne pas de niveau de confiance pour lintervalle Rmax .
Mais si les intervalles U et I sont dfinis avec un niveau de confiance de 100 %, alors
lintervalle Rmax est dfini avec un niveau de confiance de 100 %.
Remarque 3 :
- Si les erreurs sont indpendantes (cest le cas dans lexemple prcdent), cette mthode
conduit une valuation de lincertitude toujours plus grande que celle que lon obtient en
utilisant le thorme des variances.
- Le thorme des variances nous conduit un niveau de confiance suprieur ou gal 95 %.
Il en sera de mme avec cette mthode si les sources dincertitude sont correctement values.
-Si le nombre derreur est important la diffrence entre les rsultats obtenus par les deux
mthodes peut tre considrable : cest pour cette raison que cette mthode nest plus utilise
en mtrologie.
Conclusion :
- Cette mthode ne semble avoir que des inconvnients. Mais elle a un avantage : on peut
lutiliser mme si les erreurs ne sont pas indpendantes. Elle conduira alors a une valuation
exagre : mais il vaut mieux une valuation exagre que pas dvaluation du tout.
Exercice :
- On ralise 9 mesures dun mme mesurande avec un multimtre. On obtient 9 valeurs
mesures gales. Il ny a donc pas derreur de rptabilit.
Pour chaque mesure il y a une erreur systmatique. Cette erreur a la mme valeur pour chaque
mesure. Le constructeur indique que cette erreur peut prendre nimporte quelle valeur sur
lintervalle +/- m et donne la valeur m.
- On calcule <m> et on cherche lincertitude sur <m>
1- Si lon considre que les erreurs sur chaque mesure sont indpendantes, on utilise le
thorme des variances.
- Calculer lincertitude largie U(<m>). Comment varie cette valeur si lon augmente le
nombre de mesures ? Pourquoi le rsultat obtenu nest pas acceptable ? Pour quelle
raison ?
114
2- La mthode diffrentielle est utilisable dans tous les cas (erreurs indpendantes ou
non indpendantes).
- Calculer lincertitude <m> avec cette mthode. Comment varie cette valeur si lon
augmente le nombre de mesures ? Le rsultat obtenu est il acceptable ?
Corrig :
1- <m> =(m1+ + mN)/N = 9m/ 9 = m
U(<m>) = 9(U(m)/9) = U(m) / 9 donc U(<m> = U(m)/ 3 = U(m) / N avec U(m) =
1,16 m
Si lon augmente le nombre de mesures N alors lincertitude U(<m> diminue. Cela
signifie quil suffit de multiplier le nombre de mesures pour augmenter la prcision de
linstrument. Ce rsultat nest donc pas acceptable. Pour chaque mesure lerreur a la
mme valeur : ces erreurs ne sont pas indpendantes et lon ne peut pas utiliser le
thorme des variances.
3- <m> = (<m>/m)m + (<m>/m)m +..
Donc <m> = 1/N m + 1/N m + .. = N m / N = m
Si lon augmente le nombre de mesures lincertitude de mesure de <m> reste gale
lincertitude m dune mesure. Ce rsultat est acceptable.
115
Annexe
Des outils pour le laboratoire
Nous avons regroup lensemble des fichiers qui peuvent tre utiliss par le personnel de nos
laboratoires. La plupart sont documents (feuille doc).
Evaluation de lincertitude dune balance analytique
Vrification dune balance analytique
Vrification dun multimtre
Vrification de fioles jauges
Incertitude sur la concentration dune solution ralise partir dune pese
Incertitude sur la concentration dune solution ralise par dilution dune solution mre
116