Documente Academic
Documente Profesional
Documente Cultură
Samir KENOUCHE
mail:kennouchesamir@gmail.com
adaptation et reproduction
strictement réservés
Préambule
Ces notes de cours abordent la problématique de l'exploitation quantitative des
résultats issus des analyses chimique et/ou physique. L'expérimentateur ou l'analyste
est confronté à cette problématique tout au long de sa carrière professionnelle. Ce
domaine est à l'interface entre la chimie et la physique compte tenu du nombre crois-
sant de méthodes d'analyse et aux fondements théorique auxquels elles font appel. La
nalité de toute analyse chimique et/ou physique est de produire des résultats irrépro-
chables d'un point de vue abilité, justesse, validité et reproductibilité. Cet objectif
est primordial an de se conformer à la réglementation en vigueur et de respecter
les normes de qualité en lien avec un processus de fabrication industrielle ou semi-
industrielle. L'analyste doit ainsi maitriser les principales méthodes d'analyse tant sur
le plan théorique que pratique, condition sine qua non de l'établissement d'une dé-
marche qualité. Cette maitrise donnera aussi à l'analyste des clefs de compréhension
nécessaires à la conception de nouvelles méthodologies an de résoudre des problèmes
inhérents à la problématique d'analyse.
Ces notes de cours ont pour objectif d'une part de conférer aux étudiants (es) une
certaine autonomie dans les réponses, en matière d'analyse quantitative, qu'ils (elles)
auront à apporter. D'autre part, leurs inculquer des compétences nécessaires à l'ob-
tention de résultats de mesure crédibles.
Par ailleurs, ces notes de cours doivent être prises comme l'un des éléments contri-
buant au transfert de l'information. Ainsi, l'étudiant doit intégrer d'autres éléments,
à l'instar des séances de travaux dirigés et travaux pratiques an de compléter ce pro-
cessus de transfert. Ce document comporte, sans nul doute, des imperfections, c'est la
raison pour laquelle j'ai laissé ce document à la disposition des internautes, intéressés
par cette discipline, de me suggérer d'éventuelles remarques et recommandations.
Table des matières
1 Analyse quantitative en spectroscopie UV-Visible 3
1
Table des matières
2
Chapitre 1
Analyse quantitative en spectroscopie
UV-Visible
Sommaire
1.1 Notions élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.1 Loi de Beer-Lambert . . . . . . . . . . . . . . . . . . . . . 4
1.2 Analyse quantitative . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Choix de la longueur d'onde de travail . . . . . . . . . . . 5
1.2.2 Intégrale des spectres . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Application . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Détermination de la concentration . . . . . . . . . . . . . . 11
1.2.5 Exploitation des spectres dérivés . . . . . . . . . . . . . . 16
1.2.6 Mesure de la cinétique . . . . . . . . . . . . . . . . . . . . 17
1.2.7 Limite de détection . . . . . . . . . . . . . . . . . . . . . . 19
1.2.8 Limite de quantication . . . . . . . . . . . . . . . . . . . 19
3
Spectroscopie UV-Visible
Évidemment cette écriture stipule que (λ), donc l'absorption, ne change pas pour
chaque élément dl du trajet optique total l. L'intégration de l'équation ci-dessus
conduit à :
I
ln = −(λ) c l ⇒ I = I0 exp(−(λ) c l) (1.2)
I0
Comme il a été mentionné précédemment les spectres UV-Vis ont la particularité
d'avoir un prol d'absorption large. En eet, un prol Gaussien constitue une bonne
approximation de l'allure théorique de ces spectres :
" 2 #
(λ − λ0 )
(λ) = 0 exp − (1.3)
∆λ
Expérimentalement, on caractérise l'absorption d'une molécule à la longueur d'onde
λ, en mesurant l'intensité It du rayonnement EM transmis par rapport à l'intensité I0
du rayonnement incident. On dénie alors l'absorbance (A), ou densité optique de
la solution comme :
I0
A = log = (λ) l c (1.4)
It
Cette relation peut être utilisée soit en logarithme décimale ou bien en loga-
rithme népérien. De la même façon là aussi, la densité optique est une fonction de
∆A 1
60
A = f( )
40
20
∆A 2
(nm)
0
une même bande passante ∆λ, nous avons ∆A1 < ∆A2 , d'où le choix de λmax . D'un
autre côté l'erreur relative commise sur la concentration est :
∆c 1 exp(∆A)
%= × (1.7)
c A exp(−A)
En traçant cette fonction pour une incertitude ∆A donnée, on obtient une parabole
dont le minimum est compris dans la gamme A = [1.00 à 1.50]. C'est la gamme optimale
des absorbances conduisant à une précision optimale sur la concentration. Le choix de
la longueur d'onde de travail impacte également la sensibilité 2 du spectrophotomètre.
La sensibilité peut être vue comme le pouvoir de discrimination de l'absorbance pour
une très faible variation de la concentration de la substance. PLus le spectrophotomètre
détecte des variations signicative de l'absorbance générées par d'inme variations de
la concentration, plus l'appareil en question est sensible. Cette dénition se traduit
mathématiquement par la relation 3 :
dA
= l (λ) (1.8)
dc
La Gaussienne (1.3) est maximale pour λ = λ0 , usuellement on note λ0 = λmax .
Ceci implique une dérivée maximale pour la relation (1.8) :
dA
= l (λ = λmax ) (1.9)
dc
On comprend ainsi que lorsque λ = λmax la sensibilité du spectrophotomètre de-
vient maximale.
Cette opération vise à corriger la dérive et les distorsions de la ligne de base des
spectres. La déformation de la ligne de base est provoquée en partie par la diusion
Tyndall. La correction de la ligne de base permet d'améliorer l'aspect des spectres ainsi
que la précision des calculs (Amplitude, intégrale, largeur à mi-hauteur ...). Lorsque la
ligne de base des spectres n'est pas totalement plane, l'identication des pics d'intérêt
se révèle plus compliqué. On peut corriger cette ligne de base, en faisant un ajustement
(tting) de ses points par une fonction polynomiale ou bien par une série de fonctions
sinusoïdales. En pratique, très souvent la ligne de base est modélisée par une fonction
polynomiale d'ordre plus au moins élevé :
Les paramètres d'ajustement sont : Ai0 , λi0 , ∆λi et n, étant le nombre de bandes
d'absorption. Soulignons en outre, que la minimisation de l'erreur quadratique χ2 est
le critère considéré an de xer le nombre de terme de ρ(u) pour décrire les spectres
d'absorption. Par ailleurs, les ajustements peuvent être eectués par exemple au moyen
l'Algorithme d'ajustement non-linéaire de Levenberg-Marquardt.
Une fois que toutes les étapes mentionnées précédemment ont été réalisées, il
est possible désormais de passer au calcul des proportions relatives des substances
présentes dans un mélange. Le principe de calcul des proportions est mené comme suit :
Le calcul des proportions développé dans cette section est commun à toutes les ana-
lyses chimique ou physique impliquant des spectres (chromatographie, spectroscopie
RMN ... etc).
1.2.3 Application
L'exemple d'application présenté ici est tiré d'un travail de Master de l'une de
mes étudiantes. L'intitulé de son mémoire est Optimisation du rendement d'une
synthèse chimique par la méthodologie des plans d'expériences. Ce travail
est réalisé sous mon encadrement. La synthèse d'acide acétylsalicylique (aspirine) est
menée en faisant réagir l'anhydride de l'acide acétique et l'acide salicylique :
L'aspirine synthétisée a ensuite subit une purication an d'éliminer les impuretés.
On introduit une petite quantité de l'aspirine puriée dans de l'eau distillée. Il faut
s'assurer que l'absorbance ne dépasse pas A = 1.5 an de minimiser, entre autre,
l'eet de la lumière parasite. On place l'échantillon dans la cuve de l'appareil et
on mesure le spectre. Dans le but d'identier les diérents composés chimiques
présents dans le l'aspirine puriée et s'assurer par la même occasion sur l'ecacité
de la purication, nous avons corrigé la ligne de base des spectres. En suite, nous
avons réalisé successivement un ajustement puis une déconvolution des spectres. Les
longueurs d'onde maximales obtenues sont comme suit :
Figure 1.3: Correction de la ligne de base des spectre de l'aspirine brute. (A) avant
correction de la ligne de base (B) après correction de la LB.
Les paramètres d'ajustement sont : Ai0 , λi0 , ∆λi et n, étant le nombre de bandes
d'absorption. Soulignons en outre, que la minimisation de l'erreur quadratique χ2 est le
critère considéré an de xer le nombre de terme de ρ(u) et donc le nombre de bandes
d'absorption. Par ailleurs, les ajustements sont menés par le biais de l'Algorithme
d'ajustement non-linéaire de Levenberg-Marquardt.
Les diérentes proportions obtenues après le calcul des intégrales de chaque bande
d'absorption, sont portées dans le tableau ci-dessous.
Figure 1.4: Ajustement des spectres d'absorption après correction de la ligne de base.
Ax (λ = λmax )
Cx = (1.13)
λ l
Avec, Ax (λ = λmax ) est l'absorbance mesurée, à la longueur d'onde de travail λmax
de la substance x.
Ax
Cx = C0 × (1.14)
A0
A = ε × C ⇒ C = A × ε−1 (1.18)
La matrice ε n'étant pas toujours inversible donc an de surmonter cette diculté
il est préférable d'utiliser la relation :
Exercice d'application
Nous avons réalisé une synthèse de l'aspirine selon la réaction chimique écrite
précédemment. Après purication de l'aspirine brute, nous avons identié la présence
de l'acide salicylique (composé A) et de l'anhydride acétique (composé B). Nous
avons ensuite réalisé un spectre UV-Vis de chacun de ces deux composés pris
individuellement en solution aqueuse ainsi que la solution d'aspirine. Le composé A a
enregistré une absorbance de 1.85 à λ1 = 225 nm et de 0.15 à λ2 = 277 nm pour une
concentration de 1.20 10−1 mol/L. Le composé B a enregistré une absorbance de 0.25
à λ1 = 225 nm et de 1.37 à λ2 = 277 nm pour une concentration de 4.30 10−2 mol/L.
D'un autre côté, la solution à doser présente une absorbance de 0.68 à λ1 = 225 nm
et de 0.87 à λ2 = 277 nm. Le trajet optique étant de 1 cm pour toutes les mesures
spectrales eectuées.
Solution :
A1 = 1A CA + 1B CB
: λ1 = 225 nm
(1.20)
A2 = 2A CA + 2B CB : λ2 = 277 nm
Nous devons d'abord calculer les coecients d'extinction molaires de chaque com-
posante de ce système d'équation. Cela se fait simplement au moyen de la relation de
Beer-Lambert :
A225 1.85
A = 15.42 L/mol cm
A
A225 225 225
A = A l C ⇒ A = ⇒ 225
A = ⇒ 225
lC 1 × 1.20 10−1
A277 0.15
A = 1.25 L/mol cm
A
A277 277 277
A = A l C ⇒ A = ⇒ 277
A = ⇒ 277
lC 1 × 1.20 10−1
A225 0.25
B = 5.81 L/mol cm
B
A225 225 225
B = B l C ⇒ B = ⇒ 225
B = −2
⇒ 225
lC 1 × 4.30 10
A277 1.37
B = 31.86 L/mol cm
B
A277 277 277
B = B l C ⇒ B = ⇒ 277
B = ⇒ 277
lC 1 × 4.30 10−2
1
ε−1 = ((−1)i+j |εij |)T (1.22)
|ε|
Avec εij désigne la matrice obtenue de ε en y omettant la iieme ligne et la j ieme
colonne.
15.42 5.81
|ε| = = 491.28 − 7.26 = 484 6= 0 (1.23)
1.25 31.86
1 +31.86 −5.81
−1
ε = (1.24)
484 −1.25 +15.42
CA 1 +31.86 −5.81 0.68
⇒ = (1.25)
CB 484 −1.25 +15.42 0.87
1
CA = (+31.81 × 0.68 − 5.81 × 0.87) ⇒ CA = 0.033 M (1.26)
484
1
CB = (−1.25 × 0.68 + 15.42 × 0.87) ⇒ CB = 0.025 M (1.27)
484
AM = (A CA + B CB ) l (1.28)
On mesure expérimentalement cette absorbance. Ensuite il faudra préparer deux
solutions des composés A et B pris individuellement. Il feront oce d'étalons (réfé-
rences), ainsi leur concentration est connue CAref et CBref . Les absorbances, mesurées
expérimentalement, des composés purs A et B servent à calculer A et B :
Aref
A
=
(
A
Aref ref
l CAref
A = A l CA
⇒ (1.29)
Aref ref
B = B l CB
Aref
B
B =
l CBref
!
Aref Aref
AM = A
× CA + B
× CB ×l (1.30)
l CAref l CBref
Aref Aref
⇒ AM = A
× CA + B
× CB (1.31)
CAref CBref
3 4
3 4
On remarque un passage par zéro pour les dérivées impaires. Nous avons aussi un
pic négatif pour la dérivée seconde et un pic positif pour la dérivée quatrième. Ainsi, on
peut identier la position des pics grâce aux dérivées paires du spectre correspondant.
Cette méthode est très puissante pour distinguer des pics présentant des sommets
très proches. Supposons que nous voulions identier deux composés (A et B) dans un
mélange.
Le spectre (A = f (λ), tracé en noir) donne un seul pic, impossible de les séparés
car ils sont trop proche l'un de l'autre. En revanche en traçant la quatrième dérivée
du spectre, on obtient deux pics négatifs correspondants aux composés A et B. Les
positions des deux composés (donc leurs λmax ) sont clairement déterminées. Toutefois,
il se peut aussi que cette dérivée soit insusante pour discriminer les composés d'un
mélange. Dans ce cas il faudra faire appel à une dérivée d'ordre supérieure. À partir
de la gure (1.7), on observe une diminution de la largeur à mi-hauteur en fonction
de l'augmentation de l'ordre des dérivées paires. On comprend ainsi que la résolution
spectrale augmente avec l'ordre de la dérivée. Notons aussi que le nombre de bandes
observé dans les dérivées est égale à l'ordre de la dérivée plus un. La relation de Beer-
Lambert reste valable également quel que soit l'ordre de la dérivée :
dA d dn A dn
= l c qui se généralise = lc (1.33)
dλ dλ dλn dλn
L'intérêt également d'utiliser les courbes dérivées c'est qu'elles sont très peu sen-
sibles à l'eet Tyndall (diusion Tyndall ∝ λ14 ). Cet eet est dû à l'agglomération du
soluté en solution aqueuse, il augmente vers les petites longueurs d'onde.
Ce modèle cinétique peut être exploité sous sa forme initiale ou bien sous sa forme
linéaire :
dC 3 sB
LD = 3 sB = (1.36)
dA λ l
Avec sB est l'écart-type du bruit. Ce dernier représente la mesure de la uctuation
du signal mesuré sur le blanc, sans la substance à analyser. Concrètement l'évaluation
du bruit résulte d'une série de mesure sur le blanc. Son écart-type est donné par la
relation :
s P
n i A2i − ( i Ai )2
P
sB = (1.37)
n (n − 1)
Avec Ai sont les valeurs de l'absorbance mesurées sur la blanc et n est le nombre de
points. La relation (1.36) dépend de λ cela signie que la LD dépend de la substance
chimique à analyser.
dC 10 sB
LQ = 10 sB = (1.38)
dA λ l
Avec sB présentant la même signication que précédemment.
Sommaire
2.1 Notions fondamentales . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.1.1 Précession de Larmor . . . . . . . . . . . . . . . . . . . . . 23
2.1.2 Rapport S/B . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.1.3 Déplacement chimique . . . . . . . . . . . . . . . . . . . . 25
2.2 Analyse quantitative . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.1 Détermination de la concentration : étalon externe . . . . 26
2.2.2 Détermination de la concentration : étalon interne . . . . . 28
2.2.3 Détermination de la proportion massique . . . . . . . . . . 29
2.2.4 Mesure des temps de relaxation T1 et T2 . . . . . . . . . . 31
21
Spectroscopie RMN
ω h
∆E = h ν = h = ω avec ω = γ B0 ⇒ ∆E = } γ B0 (2.2)
2π 2π
h
Avec } = est la constante de Plank réduite 1.05 × 10−34 Js et γ est la constante
2π
gyromagnétique du noyau considéré valant 2.67 108 rad/T s. La sensibilité de la spec-
1
trométrie RMN dépend explicitement du rapport exprimé par la relation (3.28). Cal-
culant justement ce rapport pour un champ magnétique d'intensité B0 = 4 T et pour
une température T = 300 K , il vient :
~Γ = M
~ ∧ B~0 (2.6)
~ des noyaux de l'échantillon
ce couple de forces modie le moment cinétique total L
en vertu du principe fondamental de la dynamique :
~
dL
= ~Γ = M ~ ∧ B~0 (2.7)
dt
Le moment magnétique M ~ étant à une constante prés (constante gyromagnétique)
~ :
proportionnel au moment cinétique total L
~ = γL
M ~ (2.8)
ainsi, le mouvement du moment magnétique obéit à l'équation :
dM~
= γM~ ∧ B~0 (2.9)
dt
En présence du champ magnétique externe B ~0 uniforme et homogène, l'aimantation
des noyaux décrit un mouvement de rotation autour de B ~0 . Ce mouvement est régi par
l'Eq. (2.9). La solution de cette équation diérentielle est un mouvement de précession
de M~ autour de l'axe de B~0 . An de mieux illustrer ce propos, à partir de la Fig. 2.1,
dM~
nous remarquons que le vecteur est normal au vecteur M ~ . Comme le produit
dt
scalaire dM~ ×M ~ est nul, il en résulte que la norme M est constante. De même, le
produit scalaire dM ~ ×B ~ 0 est nul par conséquent, B0 M cos(θ) = cte. Ce qui implique,
que l'angle θ est toujours constant. Dans ce cas, l'extrémité du vecteur aimantation
décrit autour de la direction du champ magnétique un cône d'axe B0 et d'angle au
sommet θ. Ce mouvement de rotation est appelé précession de Larmor. Cherchons
désormais à déterminer la vitesse angulaire ω0 de l'aimantation. Géométriquement, à
partir de la gure 2.1, nous tirons dM = M sin(θ)dϕ, or par dénition, nous avons :
dϕ dM dM~
ω0 = ⇒ = M sin(θ)ω0 ⇒ ~
= ω~0 ∧ M (2.10)
dt dt dt
À partir de l'Eq. (2.9) et par identication, il vient :
~ = −γ B~0 ∧ M
ω~0 ∧ M ~ ⇒ ω~0 = −γ B~0 (2.11)
Ainsi, la vitesse angulaire de rotation est proportionnelle à l'intensité du champ ma-
gnétique appliqué. Le signe négatif indique le sens de la précession.
S n AS AS √
= √ ' 2.5 × n (2.12)
B 2 n sB AB
Avec AS est l'amplitude du spectre, sB est l'écart-type de bruit, AB est l'amplitude
pic à pic du bruit de la mesure et n est le nombre d'accumulation du spectre. L'aug-
mentation de n améliore le rapport S/B mais augmente par la même occasion le temps
d'acquisition du spectre. Un compris doit être trouvé entre un bon rapport S/B et un
temps d'acquisition acceptable. Par ailleurs, les spectres RMN sont plus ns que ceux
de l'UV-Vis. On modélise les spectres RMN à l'aide d'une courbe théorique formée
d'une somme de Lorentziennes. L'allure d'une Lorentzienne en absorption dans le
domaine fréquentiel est modélisée par l'équation ci-dessous :
M0
S= 2 (2.13)
ν − ν0
1+
∆ν
Avec M0 , µ0 et ∆µ sont les paramètres d'ajustement de la Lorentzienne. L'allure
théorique est représentée sur le graphe ci-dessous.
Plus en détail M0 est l'amplitude du spectre, µ0 est la fréquence de résonance et ∆µ
√
est la largeur à mi-hauteur. A titre informatif, la Lorentzienne en absorption est 3
moins large que la Gaussienne. La largeur spectrale ∆ν impacte la résolution spectrale
2. La uctuation du signal du bruit de fond du spectromètre que l'on caractérise généralement
par son écart-type.
100
80
60
∆v
M0
40
M0 /2
20
(MHz)
v0
0
1
∆ν = + γ∆B0 (2.14)
π T2
Avec T2 est le temps de relaxation transversal, plus de détails sur cette constante
de temps seront donnés dans la dernière section de ce chapitre. Tenant compte de
la relation (2.14) on note que la résolution spectrale dépend des inhomogénéités du
champ magnétique exprimées à travers la quantité ∆B0 . Dans une expérience RMN
on fait sorte de minimiser le plus possible ces inhomogénéités du champ magnétique
an de ne pas trop impacter la fréquence de résonance.
La variation du champ perçu par les noyaux est due aux champs magnétiques
locaux induits Bind engendrés par le mouvement des électrons autour des noyaux. Cet
environnent électronique forme un écran autour des noyaux. Ces derniers perçoivent
un champ eectif :
γ γ
ν0 = Bef f = (1 − σ) B0 (2.16)
2π 2π
La fréquence de résonnance est très sensible aux uctuations du champ B0 , que ce
soient celles générées par l'échantillon ou bien celles qui sont provoquées par la machine.
Il est donc dicile de quantier toutes ces hétérogénéités du champ magnétique perçues
par le noyau d'intérêt. C'est pour cette raison qu'on préfère travailler selon une échelle
∆ν
relative , appelée déplacement chimique. Cette échelle présente aussi l'avantage
ν
d'être complètement indépendante de B0 .
νi − ν
(2.17)
TMS
δi = × 106
νappareil
γ 3 B03
S = kN avec k ∝ (2.18)
T
Avec k est un coecient de proportionnalité dépendant de la nature de l'échantillon
(γ ), de l'intensité du champ magnétique (B0 ), de la température mais aussi de la dérive
3
du spectromètre. Ce coecient est très dicile à quantier, c'est pour cette raison
d'ailleurs que le calcul de la concentration en RMN se fait au moyen d'une mesure
relative. A partir de l'équation (2.18) on comprend que plus l'intensité B0 est forte plus
Figure 2.3: Tubes concentriques. (1) échantillon à doser (2) référence externe
l'intensité du signal recueillie est importante. d'où l'intérêt de travailler à haut champ.
D'un autre côté plus la température est élevée plus l'intensité du signal recueillie
diminue. Ceci est logique dans le mesure où l'élévation de la température détruit
l'ordre magnétique des spins. De plus, pour une même intensité B0 et température
constante, l'intensité du signal recueillie pour le noyau H 1 est plus importante que
celle du noyau C 13 , soit :
γH 1
' 4.00 ⇒ SH 1 ' 4.00 SC 13 (2.19)
γC 13
Le nombre de noyaux N étant proportionnel à la concentration de la substance
chimique mais aussi au nombre de protons équivalents p. L'équation (2.18) devient :
S = k p [substance] (2.20)
La concentration est déterminée en fonction d'une mesure d'un étalon. Soient deux
substances chimiques A et B, les aires estimées pour chaque substance sont :
SA = k pA [A] (2.21)
SB = k pB [B] (2.22)
SA pA [A]
= × (2.23)
SB pB [B]
SA pB
⇒ [A] = × × [B] (2.24)
SB pA
S ' h × ∆ν (2.25)
Avec h est la hauteur du spectre et ∆ν sa largeur à mi-hauteur. Dans ce cas
l'équation (2.24) devient :
hA ∆νA pB
[A] = × × [B] (2.26)
hB ∆νB pA
La relation (2.20) ne peut être utilisée comme une mesure absolue an d'établir par
exemple une courbe d'étalonnage. Le facteur de proportionnalité k change, pour les
raisons citées précédemment, pour chaque mesure du signal RMN à une concentration
donnée. C'est pour cette raison qu'on a eu recours à une mesure relative par le
biais de la relation (3.15). La méthode de l'étalon externe présente deux limitations
principales qui sont :
BLoc ∝ (1 + χm ) B0 (2.27)
Avec Bloc est le champ magnétique perçu par l'échantillon et χm est la suscepti-
bilité magnétique de l'échantillon. Cela impacte diéremment le rapport S/B .
Comme est illustré sur la gure (2.3), le volume de la substance de référence est
faible par rapport à celui de la substance à doser. Cela réduit le rapport S/B de
l'étalon.
SA NA
= (2.28)
Sref Nref
Les concentrations massiques correspondantes sont :
CA NA MA
= × (2.29)
Cref Nref Mref
CA SA MA
= × (2.30)
Cref Sref Mref
Tenant compte des protons équivalents pA et pref de chaque substance, on obtient :
CA (SA /pA ) MA
= × (2.31)
Cref (Sref /pref ) Mref
La concentration massique de la référence est égale à :
Qref
Cref = × 100 (2.32)
Qref + QM
Substituons (2.32) dans (2.31), il vient :
(SA /pA ) MA
CA = × × Cref (2.33)
(Sref /pref ) Mref
SA NA
= (2.35)
SB NB
Désignant par CA et CB les concentrations massiques relatives des constituants A
et B. Le mélange étant formé de deux constituants donc leur somme doit donner 100 %
selon :
CA + CB = 100 (2.36)
d'un autre côté nous avons aussi :
CA NA × MA SA × MA
= ≈ (2.37)
CB NB × MB SB × MB
Avec MA et MB sont les masses molaires correspondantes. De l'équation (2.37) il
vient :
SA × MA
CA = × CB (2.38)
SB × MB
Ensuite l'équation (2.38) dans (2.36) :
SA × MA SA × MA
× CB + CB = 100 ⇒ CB 1 + = 100
SB × MB SB × MB
SB × MB + SA × MA
⇒ CB = 100
SB × MB
SB × MB
⇒ CB = × 100 (2.39)
SB × MB + SA × MA
Avec un raisonnement analogue sur le constituant A, il vient :
SA × MA
⇒ CA = × 100 (2.40)
SB × MB + SA × MA
Il est possible également d'aner cette analyse en prenant en considération le
nombre de chromophore de chaque constituant. Désignant par a et b le nombre de
protons équivalents respectifs des constituants A et B. On normalisera ainsi les inté-
grales en divisant par le nombre de chromophore de chaque composé :
(SA /a) × MA
CA = × 100 (2.41)
(SB /b) × MB + (SA /a) × MA
En généralisant cette dernière relation pour un mélange contenant n constituants,
on obtient pour un constituant i du mélange :
(Si /ai ) × Mi
Ci = × 100
(SB /b) × MB + (SA /a) × MA + ... + (Si /ai ) × Mi + ... + (Sn /an ) × Mn
(2.42)
Le calcul des proportions développé dans cette section est commun à toutes les ana-
lyses chimique ou physique impliquant des spectres (chromatographie, spectrométrie
de masse ... etc).
0
R1,2 = R1,2 + r1,2 × C (2.43)
Avec,
1 1
R1,2 = 0
R1,2 = (2.44)
T1,2 obs T1,2 dia
Avec R1,2 sont les taux de relaxation (s−1 ) respectivement longitudinal et trans-
versal en présence de l'agent de contraste, R1,20
(s−1 ) sont les taux de relaxation en
absence de l'agent de contraste, C (mM ) est la concentration de l'agent de contraste
et r1,2 sont respectivement les relaxivités longitudinale et transversale (mM −1 s−1 ).
2.2.4.1 Mesure du T1
Les temps de relaxation T1 sont très souvent mesurés au moyen de la séquence
inversion-récupération implémentée dans tout les spectromètres RMN.
Avec, M0 et T1 étant les paramètres d'ajustement. La liste des délais τ est choisie de
façon à ce que l'aimantation M (τinv ) retrouve systématiquement sa valeur maximale
+M0 (aimantation à l'équilibre thermique). Pour s'assurer que l'aimantation soit à
l'équilibre après chaque répétition de la séquence, un temps de répétition de l'ordre de
5 T1 est choisi.
2.2.4.2 Mesure du T2
Les temps de relaxation T2 sont très souvent au moyen de la séquence echo de
spin CPMG (Carr-Purcell Meiboom Gill), implémentée dans le spectromètre RMN.
Sommaire
3.1 Quantication des erreurs . . . . . . . . . . . . . . . . . . . . . . . 35
3.1.1 Distribution des erreurs aléatoires . . . . . . . . . . . . . . 36
3.1.2 Distribution Gaussienne . . . . . . . . . . . . . . . . . . . 37
3.1.3 Propagation des incertitudes . . . . . . . . . . . . . . . . . 41
3.2 Analyse de la variance . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3 Comparaison de deux moyennes . . . . . . . . . . . . . . . . . . . 47
L' analyse statistique est à la base de toutes les approches visant à chirer les
incertitudes expérimentales. Cette analyse implique un traitement mathématique ri-
goureux et complexe. Toutefois, l'expérimentateur n'a pas systématiquement besoin
de maîtriser toutes les subtilités mathématiques an de concrétiser cette démarche.
C'est pourquoi, dans ce chapitre, l'accent est plutôt mis sur les aspects interpréta-
tion et signication physique des incertitudes expérimentales avec un minimum de
mathématiques.
34
Méthodes statistiques
Erreurs aléatoires
λ + δλ ⇒ A + δA (3.1)
Le mot aléatoire, il faut le prendre ici au sens des probabilités. En eet, même
avec des conditions expérimentales rigoureusement identiques la valeur de δλ change
légèrement. Cette erreur aléatoire suit une loi statistique .
Erreurs systématiques
λ + δλ + ∆ ⇒ A + δA + ∆A (3.2)
Les erreurs aléatoires sont facilement détectable. En revanche, les erreurs systéma-
tiques sont diciles à éliminer si leur cause exacte n'est pas clairement identiée. Ces
erreurs produisent un biais (écart) constant pendant les mesures. Ainsi, en l'absence
d'erreurs systématiques (∆ = 0), la valeur mesurée est :
a = ā ± δa (3.3)
La valeur vraie de a se trouve dans l'intervalle ā ± δa. Avec ā est la meilleure
estimation de la vraie valeur de a.
√
La gure (3.2) illustre clairement que la détermination de X̄ 2 est n fois plus
1. La puissance de ce théorème tient au fait qu'aucune hypothèse n'est exigée sur la densité de
probabilité de X. La variable aléatoire X peut avoir n'importe quelle distribution. Pour n élevé cette
distribution tendra presque toujours vers la loi normale.
2. X̄ est la meilleur estimation de X
σ_xn = σ x
_
√n
σx
_
_
x
précise que celle obtenue à partir d'une seule mesure. Ainsi, plus n est grand plus
la distribution se rétrécit et donc l'intervalle de conance contenant X̄ se rétrécit
également, d'oú le gain en précision.
(x − x̄)2
1
ρ(x) = √ × exp − (3.4)
2 πσ 2σ 2
La variable centrée réduite z suit dans ce cas, la loi normale centrée et réduite
N (0; 1). Comme il a été souligné précédemment, une grande majorité de grandeurs
expérimentales se décrit, au moins en première approximation, par cette distribution.
Ceci explique son importance en sciences expérimentales. La loi normale est carac-
térisée par deux parametres : la valeur moyenne x̄ associée à la "vraie" valeur de la
grandeur et la largeur à mi-hauteur σ associée à l'incertitude expérimentale. C'est la
raison pour laquelle le résultat d'une expérience s'écrit sous la forme : x̄ ± k σ . Le
facteur d'élargissement k dépend du seuil de signication choisi pour cet intervalle de
conance.
A partir de la gure ci-dessus, on voit clairement que plus la valeur de σ est grande,
plus la distribution rn question est large. La probabilité 3 d'avoir une mesure comprise
dans l'intervalle x̄ ± k σ est :
Z x̄+kσ
p(x̄ − kσ < x < x̄ + k σ) = ρ(x) dx (3.6)
x̄−kσ
ρ(x) ≥ 0 (3.7)
Z +∞
p(x) = ρ(x) dx = 1 (3.8)
−∞
Z x̄+2σ Z +2
p(x̄ − 2σ < x < x̄ + 2 σ) = ρ(x) dx ⇒ p(−2 < z < +2) = ρ(z) dz = 0.95
x̄−2σ −2
3. Cette intégrale n'a pas de primitive explicite. Cela signie qu'il est impossible de l'exprimer
algébriquement à partir des fonctions usuelles (polynômes, exponentielle, logarithme ....). Les calcu-
latrices et les tableurs permettent de calculer des valeurs approchées de cette intégrale. Il existe des
tables donnant directement une valeur approchée selon le seuil de signication xé.
4. De façon analogue pour k = 1 ⇒ p(z) ' 0.68 et k = 3 ⇒ p(z) ' 0.99. Le choix du niveau de
conance dépend de la précision qu'on souhaite donner au résultat. En sciences expérimentales on
prend très souvent k = 2.
Démonstration pour k = 2 :
Exercice d'application
Solution :
p1 (485.70 ≤ m ≤ 520.70) =?
p2 = 1 − p1
Avec p2 représente la probabilité qu'un comprimé tiré au hasard soit dé-
fectueux. Avec une démarche similaire que la première question il vient :
Les probabilités sont calculées 5 à partir de la table de la loi Normale centrée réduite
5. Les valeurs des probabilités sont déterminées à partir de la table (3.3). Il faut systématiquement
faire en sorte de transformer la probabilité en question selon l'écriture p(Z ≤ z) an de pouvoir utiliser
cette table.
Avec, ∆Y est l'erreur absolue commise sur la grandeur Y et ∆Xi est l'erreur
absolue commise sur la mesure Xi . Si la condition d'erreurs aléatoires indépendantes
n'est pas vériée, la relation (3.10) de combinaison quadratique ne s'applique pas. En
outre, la formule (3.10) est appliquée sans distinction an d'évaluer les incertitudes
de type A et celles de type B.
Si les variables Xi sont corrélées deux à deux, l'équation (3.10) prend la forme :
n 2 n−1 X n
X δf X δf δf
∆Y =2 2
× (∆Xi ) + 2 ∆(Xi , Xj ) (3.11)
i=1
δXi i=1 j=i+1
δXi δXj
∆(Xi , Xj )
r(Xi , Xj ) = (3.12)
σXi σXj
En combinant les relations (3.11) et (3.12) on obtient :
n 2 n−1 X n
X δf X δf δf
∆Y = 2
× (∆Xi )2 + 2 σXj σXj r(Xi , Xj ) (3.13)
i=1
δX i i=1 j=i+1
δX i δX j
Les coecients de corrélation sont plus aisément interprétables que les covariances.
En eet, pour des variables décorrélées ⇒ r(Xi , Xj ) = 0, on retrouve la relation (3.10).
6. Concrètement si Y = f (x1 ; ∆x1 , x2 ; ∆x2 ) ⇒ il existe aucune relation mathématique entre les
variables aléatoires x1 et x2 . Une variation pour l'une des variables n'entraîne pas une variation
prévisible pour l'autre
7. Cette relation dérive d'un développement de Taylor. Il est supposé que les variables aléatoires
Xi suivent une distribution de Gauss et que les valeurs ∆Xi /Y << 1 restent susamment faibles.
Exercice d'application
C0 × Ve
Cx =
V
Dans ce cas la concentration inconnue Cx est une fonction s'écrivant
comme :
Cx = f (C0 , Ve , V )
il vient :
s 2 2 2
δCx 2 δCx 2 δCx
dCx = × (dC0 ) + × (dVe ) + × (dV )2
δC0 δVe δV
s 2 2 2
Ve 2 C0 2 C0 Ve
dCx = × (dC0 ) + × (dVe ) + − 2 × (dV )2
V V V
s 2 2 2
Ve 2 C0 2 C0 Ve
∆Cx = × (∆C0 ) + × (∆Ve ) + × (∆V )2
V V V2
Exercice supplémentaire
a×x a b
f = a×x ; f = xa ×y b ; f= ; f = a×x+b×y ; f= +
b×y x2 y 2
Commenter les résultats obtenus.
I J I I J
!
1XX 2 1X 2 1 X X
(yij − ȳ) = (ȳi − ȳ) + (yij − ȳi )2 (3.16)
n i=1 j=1 I i=1 I × J i=1 j=1
I X
J I I J
!
X 2
X 2
X X 2
(yij − ȳ) = J (ȳi − ȳ) + (yij − ȳi ) (3.17)
i=1 j=1 i=1 i=1 j=1
SC = SC + SC
T F R (3.18)
|{z} |{z} |{z}
Totale Factorielle Résiduelle
Avec,
SC F
df1 SC df2
(3.19)
F
F obs = =⇒ F obs = ×
SC R SCR df1
df2
Avec df (The degrees of freedom), df1 est le nombre de degré de liberté de SCF et
df2 est le nombre de degré de liberté de SCR .
Exemple d'application
Solution
Il sera question de l'analyse de variance à un facteur (une seule inuence). Dans cet
exercice le facteur est la méthode d'analyse et la réponse est la masse de la substance.
A cet eet on utilisera la relation :
I X
J I I J
!
X X X X
(yij − ȳ)2 = J (ȳi − ȳ)2 + (yij − ȳi )2 (3.21)
i=1 j=1 i=1 i=1 j=1
| {z } | {z } | {z }
SCT SCF SCR
I=6
X
(ȳi − ȳ)2 = (32.3250 − 34.30)2 + (33.4250 − 34.30)2 + (35.5000 − 34.30)2
i=1
Le deuxième terme :
I=6 J=2
!
X X 2
(yij − ȳi ) = (36.7000 − 32.3250)2 + (27.9500 − 32.3250)2
i=1 j=1
32.7474 10
Fobs = × ⇒ Fobs = 4.0973 (3.23)
79.9225 1
Or d'après la table des fractiles de la loi de sher on lit F0.95 (1, 10) = 4.9600. Nous
avons bien Fobs < F0.95 (1, 10), on en déduit que le type de méthode d'analyse n'a pas
une inuence signicative sur le résultat de la masse de la substance en question.
H0 =⇒ SCF = 0
H =⇒ SCF 6= 0
1
p-value = P(F > Fobs )
Si p-value = PH0 (F > Fobs ) < α =⇒ l'hypothèse H0 est rejetée au risque 5%.
Sous Matlab, la probabilité P (F > Fobs ) est calculée selon :
La p-value calculée est supérieure au seuil 0.05 (5%), dans ce cas l'hypothèse nulle
H0 est acceptée et l'hypothèse alternative H1 est rejetée. On retrouve ainsi le résultat
précédent. La p-value = 0.0705 signie qu'il y a 07 chances sur 100 d'avoir une valeur
de SCF égale à zéro. En eet, cette variance a donc une forte chance d'être égale à zéro
par rapport au seuil xé α = 0.05. Elle est donc signicativement diérente de zéro.
On comprend ainsi que l'interprétation des résultats dépendra du seuil de signication
xé. Pour un seuil α = 0.10 c'est l'hypothèse H1 qui sera plutôt acceptée. Du coup, se
pose la problématique du choix de seuil de signication notamment pour les p-values
proches du seuil xé.
|ā1 − ā2 |
t= p (3.28)
Va1 + Va2
Avec les variances sur les mesures a1,i et a2,i sont données par :
n1 n2
1 X 1 X
Va1 = (a1,i − ā1 )2 et Va2 = (a2,i − ā2 )2 (3.29)
n1 − 1 i=1 n2 − 1 i=1
Avec n1 et n2 est le nombre de répétitions eectuées au même point expéri-
mental respectivement pour a1,i et a2,i . Le rapport (3.28) suit une loi de Student à
ν = (n1 − 1) + (n2 − 1) degrés de liberté.
Exercice d'application :
Considérons une étude portant sur la mesure de la masse (mg) d'un principe actif,
pour un comprimé donné, menée par deux laboratoires pharmaceutiques diérents.
Les résultats obtenus sont rassemblés dans le tableau ci-dessous.
Solution
|495.1500 − 497.6400|
tobs = √ ⇒ tobs = 0.2324
69.4227 + 46.3004
Nous avons t(n1 +n2 −2),α =t(18,0.05) = 2.10, voir la table de Student (3.3). Pour les
étudiants (es) qui ont du mal à se familiariser avec le calcul des probabilités, peuvent
comparer directement le quantile t(n1 +n2 −2),α (voir la table (3.3)) à celui calculé à
partir de la statistique de Student.
Si
|tobs | > t(n1 +n2 −2),α ⇒ P (T > tobs ) < P T > t(n1 +n2 −2),α ⇒ P (T > tobs ) < α
L'hypothèse H0 est rejetée au risque α
Si
|tobs | < t(n1 +n2 −2),α ⇒ P (T > tobs ) > P T > t(n1 +n2 −2),α ⇒ P (T > tobs ) > α
z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,50000 0,50399 0,50798 0,51197 0,51595 0,51994 0,52392 0,52790 0,53188 0,53586
0,1 0,53983 0,54380 0,54776 0,55172 0,55567 0,55962 0,56356 0,56749 0,57142 0,57535
0,2 0,57926 0,58317 0,58706 0,59095 0,59483 0,59871 0,60257 0,60642 0,61026 0,61409
0,3 0,61791 0,62172 0,62552 0,62930 0,63307 0,63683 0,64058 0,64431 0,64803 0,65173
0,4 0,65542 0,65910 0,66276 0,66640 0,67003 0,67364 0,67724 0,68082 0,68439 0,68793
0,5 0,69146 0,69497 0,69847 0,70194 0,70540 0,70884 0,71226 0,71566 0,71904 0,72240
0,6 0,72575 0,72907 0,73237 0,73565 0,73891 0,74215 0,74537 0,74857 0,75175 0,75490
0,7 0,75804 0,76115 0,76424 0,76730 0,77035 0,77337 0,77637 0,77935 0,78230 0,78524
0,8 0,78814 0,79103 0,79389 0,79673 0,79955 0,80234 0,80511 0,80785 0,81057 0,81327
0,9 0,81594 0,81859 0,82121 0,82381 0,82639 0,82894 0,83147 0,83398 0,83646 0,83891
1,0 0,84134 0,84375 0,84614 0,84849 0,85083 0,85314 0,85543 0,85769 0,85993 0,86214
1,1 0,86433 0,86650 0,86864 0,87076 0,87286 0,87493 0,87698 0,87900 0,88100 0,88298
1,2 0,88493 0,88686 0,88877 0,89065 0,89251 0,89435 0,89617 0,89796 0,89973 0,90147
1,3 0,90320 0,90490 0,90658 0,90824 0,90988 0,91149 0,91309 0,91466 0,91621 0,91774
1,4 0,91924 0,92073 0,92220 0,92364 0,92507 0,92647 0,92785 0,92922 0,93056 0,93189
1,5 0,93319 0,93448 0,93574 0,93699 0,93822 0,93943 0,94062 0,94179 0,94295 0,94408
1,6 0,94520 0,94630 0,94738 0,94845 0,94950 0,95053 0,95154 0,95254 0,95352 0,95449
1,7 0,95543 0,95637 0,95728 0,95818 0,95907 0,95994 0,96080 0,96164 0,96246 0,96327
1,8 0,96407 0,96485 0,96562 0,96638 0,96712 0,96784 0,96856 0,96926 0,96995 0,97062
1,9 0,97128 0,97193 0,97257 0,97320 0,97381 0,97441 0,97500 0,97558 0,97615 0,97670
2,0 0,97725 0,97778 0,97831 0,97882 0,97932 0,97982 0,98030 0,98077 0,98124 0,98169
2,1 0,98214 0,98257 0,98300 0,98341 0,98382 0,98422 0,98461 0,98500 0,98537 0,98574
2,2 0,98610 0,98645 0,98679 0,98713 0,98745 0,98778 0,98809 0,98840 0,98870 0,98899
2,3 0,98928 0,98956 0,98983 0,99010 0,99036 0,99061 0,99086 0,99111 0,99134 0,99158
2,4 0,99180 0,99202 0,99224 0,99245 0,99266 0,99286 0,99305 0,99324 0,99343 0,99361
2,5 0,99379 0,99396 0,99413 0,99430 0,99446 0,99461 0,99477 0,99492 0,99506 0,99520
2,6 0,99534 0,99547 0,99560 0,99573 0,99585 0,99598 0,99609 0,99621 0,99632 0,99643
2,7 0,99653 0,99664 0,99674 0,99683 0,99693 0,99702 0,99711 0,99720 0,99728 0,99736
2,8 0,99744 0,99752 0,99760 0,99767 0,99774 0,99781 0,99788 0,99795 0,99801 0,99807
2,9 0,99813 0,99819 0,99825 0,99831 0,99836 0,99841 0,99846 0,99851 0,99856 0,99861
3,0 0,99865 0,99869 0,99874 0,99878 0,99882 0,99886 0,99889 0,99893 0,99896 0,99900
3,1 0,99903 0,99906 0,99910 0,99913 0,99916 0,99918 0,99921 0,99924 0,99926 0,99929
3,2 0,99931 0,99934 0,99936 0,99938 0,99940 0,99942 0,99944 0,99946 0,99948 0,99950
3,3 0,99952 0,99953 0,99955 0,99957 0,99958 0,99960 0,99961 0,99962 0,99964 0,99965
3,4 0,99966 0,99968 0,99969 0,99970 0,99971 0,99972 0,99973 0,99974 0,99975 0,99976
3,5 0,99977 0,99978 0,99978 0,99979 0,99980 0,99981 0,99981 0,99982 0,99983 0,99983
3,6 0,99984 0,99985 0,99985 0,99986 0,99986 0,99987 0,99987 0,99988 0,99988 0,99989
3,7 0,99989 0,99990 0,99990 0,99990 0,99991 0,99991 0,99992 0,99992 0,99992 0,99992
3,8 0,99993 0,99993 0,99993 0,99994 0,99994 0,99994 0,99994 0,99995 0,99995 0,99995
3,9 0,99995 0,99995 0,99996 0,99996 0,99996 0,99996 0,99996 0,99996 0,99997 0,99997
4,0 0,99997 0,99997 0,99997 0,99997 0,99997 0,99997 0,99998 0,99998 0,99998 0,99998
Exemple : p(Z < 1.67) ' 0.95254, voir les cases grisées
Coefficient
de Student Confiance (%)
t 50 80 90 95 98 99 99,5 99,8 99,9
1 1,00 3,08 6,31 12,7 31,8 63,7 127 318 637
2 0,82 1,89 2,92 4,30 6,96 9,92 14,1 22,3 31,6
3 0,76 1,64 2,35 3,18 4,54 5,84 7,45 10,2 12,9
Degrés de liberté (taille de l'échantillon moins le nombre de paramètres)