Analyse statistique des données expérimentales
Incertitudes et analyse des erreurs dans les mesures physiques
John Taylor
Plan
• Introduction : incertitudes sur les données
• Probabilités
• Distributions de probabilités
• Incertitudes, propagation des incertitudes
• Ajustement de courbes
Mesure et incertitude
• Toutes les quantités mesurées le sont à une précision finie
• La science de la mesure consiste à
– mesurer à la meilleure précision possible – d’évaluer l’incertitude sur la mesure
Erreur vs incertitude
• Erreur : écart entre la mesure et la valeur vraie (en général inconnue)
• Incertitude : écart probable
• Les barres d’incertitude contiennent probablement la valeur vraie
• Attention de ne pas sous-évaluer l’incertitude
• Mieux vaut une mesure présentant une grande
Mesure et incertitude
• Chiffres significatifs et mesure
• Quelle est la signification de :
– Albert a 22 ans
– J’ai parcouru 100 kilomètres à vélo
– Le LEP mesure 26,66 km de circonférence – Ce pointeur laser éclaire à 50 m
– This laser pointer shines to 54,68 yards
Mesure et incertitude
• Quelle est la signification de:
– G = (6,67428 ± 0,00067) × 1011 m3 kg1s2 – me = (9,10938215 × 1031 kg) ± 50 ppb
Chiffres significatifs
a = 7,35678 ± 0,345 (utilisation incorrecte) a = 7,3 ± 0,3
a = 7,356 ± 0,04 a = 7,3568 ± 0,005 a = 7,35678 ± 0,0007
On arrondit l’incertitude à 1 chiffre significatif
On arrondit la valeur au dernier chiffre significatif
Chiffres significatifs (exemple)
• Soit a = 3 m et b = 7 m
• a/b = 0,428571 ... ?
• a/b = 0,4
Incertitude
• Erreur de mesure
• Erreur systématique
• Incertitude aléatoire
• Incertitude sur une quantité dérivée
• Propagation des incertitudes
• Distribution de probabilité
Erreur de mesure
• Mesure de distance avec une règle graduée en millimètres:
– La précision ~ ½ mm
• Mesure de tension avec un multimètre:
– La précision dépend de l’appareil
– L’appareil est très précis mais la tension varie
Erreur systématique
• Vous avez mesuré une longueur à ± ½ mm
– Mais la règle est fausse de 10% !
• Vous avez mesuré une tension à 0,01%
– Mais l’appareil est décalibré de 5%
• Vous avez fait une mesure avec grand soin
– Mais un des appareils était débranché
Incertitude aléatoire (statistique)
• Vous répétez une mesure 100 fois
• Les résultats se
ressemblent mais ...
Incertitude
• L’ensemble des valeurs possibles sont décrites par une distribution de probabilité
• L’incertitude représente un intervalle à l’intérieur duquel la vraie valeur se trouve probablement
• L’incertitude = 1 déviation standard
Incertitude
Quelle est la signification de:
– G = (6,67428 ± 0,00067) × 1011 m3 kg1s2 – me = (9,10938215 × 1031 kg) ± 50 ppb
– L’incertitude = une déviation standard
– La probabilité que la vraie valeur soit dans cet
Exemple de mesures
• Fréquence d’un pendule (~ 1 s)
• Chronomètre très précis (~ 1s par an)
• À quelle précision puis-je mesurer la période ?
– quelques dixièmes de seconde
• L’histogramme présente une fluctuation
• Je peux moyenner sur plusieurs périodes
Exemple de mesures
• Fréquence de ma respiration
• Même précision de mesure que précédemment
• L’histogramme est plus large
• Le phénomène présente plus de variabilité
Est-ce la meilleure façon de mesurer
la période ?
Non
• Je compte 100 périodes ~ 100 s ± 0,2 s
• Plus facile et plus précis qu’avec plusieurs mesures
• 100 mesures de ~2 s à ± 0,2 s donnent
–
s s
T 2 0,002
s
i s
2 , 0 2
,
0
Incertitude relative ou fractionnaire
– G = (6,67428 ± 0,00067) × 1011 m3 kg1s2 – G = 6,67428 × 1011 m3 kg1s2
– G = 0,00067 × 1011 m3 kg1s2
– G/G = 0,00067/ 6,67428 = 10-4 = 0,01 % – me = (9,10938215 × 1031 kg) ± 50 ppb
– me/ me = 5 × 108 – me= 4,6 × 108 kg
Propagation des incertitudes Additions et soustractions
• a = 9 ± 3 a entre 6 et 12
• b = 7 ± 2 b entre 5 et 9
• s = a + b = 16 ± 5 car s entre 11 et 21
Propagation des incertitudes Produits et quotients
• a = 29 ± 3 a entre 26 et 32
• b = 37 ± 2 b entre 35 et 39
• ab = 1073 et est entre 910 et 1248
Propagation d’incertitudes pour une somme
• Soit 2 mesures x ± x et y ± y
• z = x + y z = x + y
(provisoire)• La règle est provisoire car on exagère un peu
• x ± x contient ~68%
• y ± y contient ~68%
Propagation d’incertitudes pour un produit
• a = 29 ± 3
• b = 37 ± 2
• z = ab = 1073 ± 169
910,39,1248
35
32 , 26
ab b a
1 15%
37 29
% 4 , 5
% 10 1
37 29
37 29
3 2 37
2 29
1 3 37
29
37 1 2
29 1 3
37 29
ab
b b a
a z
z
Propagation d’incertitudes pour un quotient
• z=a/b On trouve le même résultat :
...
1
1 / 1
1
/ 1
b b a
a b
a
b b a
a b
a b
b b
a a a
b b
a z a
• Ajouter ou soustraire un nombre exact ne change pas l’incertitude absolue
• a = 7,3 ± 0,2
• b = 4
• a + b = 11,3 ± 0,2
• Multiplier ou diviser par un nombre exact ne change pas l’incertitude relative
• 4 x (7,3 ± 0,2) = 29,2 ± 0,8
Puissance
• et on additionne les incertitudes relatives
• a une incertitude 4 fois celle de a
• ça ressemble à une dérivée
a a
a a
a4
a4
a n a f
a f
f n
Règle générale (ou presque)
x x x nf
x n x x
nx f
x f
y y x
x f
f
y x x
y f
xy f
y x
f y
x f
y y x f
x f f
y x f f
x x f f
x f f
x n
n
1
,
Incertitudes indépendantes
• z = x + y
• z = x + y surestime l’incertitude sur z si les x et y sont indépendants
• l’erreur sur x a autant de chance d’être + ou
• l’erreur sur y a autant de chance d’être + ou
Propagation d’incertitudes
Incertitudes indépendantes
• x et y sont des variables indépendantes
• Et x et y sont des erreurs indépendantes
• Leurs effets s’additionnent quadratiquement
Incertitudes indépendantes
2 2 2 ...
y
y f x
x f f
pour des incertitudes indépendantes
Propagation d’erreurs
y x
axy f f
b a
by ax
f
x y f
y x
f
2 2 2
2 2
2
2 2 2 2
2
(sans corrélations)
Probabilités et
Statistiques
Probabilité
• Probabilité qu’un événement X se produise
N N
P lim nombre de succès
Probabilité
• On lance un dé
• 6 résultats possibles
• Chaque résultat a un pi = 1/6
1 0 p
i
1
p
i NormalisationComplément
• p = la probabilité que X se produise
• 1 p = la probabilité que X ne se produise pas
• q = 1 p est le complément de p
Calcul de la probabilité
• 1) Calculez le nombre total de
combinaisons N, supposées équiprobables
• 2) Calculez le nombre de ces combinaisons qui représentent un succès S
• 3) p = S/N
Calcul de probabilité
• Probabilité de tirer 3 avec 1 dé
• 1) N = 6 possibilités
• 2) S = 1 seule bonne combinaison
• 3) p = 1/6
Calcul de probabilité
• Probabilité de tirer une somme de 4 avec 2 dés
• 1) N = 6 x 6 = 36 possibilités
• 2) S = 3 (1,3) (2,2) (3,1)
• 3) p = 3/36 = 1/12
Calcul de probabilité
• Probabilité de tirer une somme de 7 avec 2 dés
• 1) N = 36
• 2) S = 6 (énumérez les)
Distribution de probabilité
• Indique la probabilité de succès pour chaque type d’événement
• Se présente sous forme graphique
Distribution pour 1 dé
Somme de 2 dés
Distributions
• Propriétés des distributions
– Moyenne, mode, médiane – Valeur attendue
– Moments
• Distributions de probabilité particulières
– Binôme, Gauss, Poisson, ...
2 types de distributions
• Distributions discrètes
• Distributions continues
Distributions discrètes
(comme on a déjà vu)
– P(xi) > 0 pour des xi discrets – P(xi) = 0 partout ailleurs
Somme de 2 dés
Distributions continues
• Le nombre de résultats permis est
• Chaque résultat a une probabilité = 0
• On définit la densité de probabilité
f(x) dx = probabilité de trouver le résultat entre x et x + dx
Distribution continue
Mode
• Valeur la plus probable
= 7 pour la somme de 2 dés Non défini pour un dé
Médiane
• Point qui sépare la distribution en 2 moitiés égales
• = 7 pour la somme de 2 dés
• = 3,5 pour un dé
(ou toute valeur entre 3 et 4)
Moyenne
• Ou valeur attendue
• Discrète :
• Continue :
dx x
xp
x p
xi i ) (
) (
Pour une distribution symétrique
• Moyenne = Mode = Médiane
Valeur estimée
• Moyenne =
– est la valeur attendue (ou estimée) de x – Notée
• La moyenne de x est la valeur estimée de x
• La valeur attendue de toute fonction f(x) est
xi p(xi ) ou
xp(x)dx
f x p x f x p x dx
f ( i ) ( i ) ou ( ) ( )
x
Normalisation
1 )
( 1
) (
1 )
( 1
) (
dx x
p dx
x p
x p
x
p
i iPropriétés de la valeur attendue
n x n
x
x g
b x
f a
x bg
x af
( ) ( ) ( ) )
(
Ex: N lettres au hasard dans N enveloppes
Combien y a-t-il de lettres dans la bonne enveloppe?
Xi= 0 ou 1 selon que la lettre i est dans la bonne enveloppe ou non
Ex: N lettres au hasard dans N enveloppes
Combien y a-t-il de lettres dans la bonne enveloppe?
Xi= 0 ou 1 selon que la lettre i est dans la bonne enveloppe ou non
1 /
1
* /
1 1
N N
N X
X X
X X
X N
i i
i i
Quel que soit N, il y a en moyenne 1 lettre dans la bonne enveloppe
Moments
• Différentes distributions
peuvent avoir la même moyenne mais être
différentes
Moments
• On peut représenter une distribution par l’ensemble de ses moments
2 2 1
0 1
x m
µ m
m
x mi i
...
Normalisatio n
Moyenne
Moments centrés
• On soustrait la moyenne pour recentrer
1 0
0 1 µ
µ
µ x
µi i
Normalisation
Moyenne recentrée = 0
Écart-type
• Représente la largeur de la distribution
= Écart quadratique moyen
= Déviation moyenne
2 2
2 2 2
2
2 2
2 2
2 2
2 2
2
2 2
2
2 )
(
x x
s
x x
µ x
µ µµ
x
µ x
µ x
µ µx
x
µ µx
x µ
x s
Mesure et incertitude
• Je mesure une quantité 5 fois
• x = 17, 16, 18, 17, 18
• Quelle est la valeur probable de x et son incertitude ?
1
Probabilité de N événements
• Obtenir 25 piles en 35 lancers
• Obtenir 30 fois 6 en 100 lancers
• Que 10 noyaux de radium se désintègrent en 5 minutes
• Que la bactérie se divise 20 fois en 1 heure
• Que 8 de vos 10 mesures soient dans un certain intervalle
Distribution binômiale
• On lance un dé 100 fois
• La valeur attendue du nombre de 6 est ~17
• Quelle est la probabilité de tirer r fois 6 ?
• Toutes les séries (a1, a2,..., a100) sont équiprobables
• La probabilité de 6 à chaque case est p = 1/6
• Chaque combinaison de r succès et nr échecs a une probabilité
r n
r p
p (1 )
)!
(
!
! r n
r
n r
n
r n
B pr p
r n
r p n
n r
P
(1 )
)!
(
! ) !
;
; (
•Il y a combinaisons de r
succès
Probabilité pour r succès et nr échecs =
67 , 1 )
1 (
33 , 3 6
/ 20
p np
np µ
727 ,
3 )
1 (
66 , 16 6
/ 100
p np
np µ
Désintégration radioactive
• 1 g de radium = 2,7*1021 atomes = 1 Ci = 1,7*1010 désintégrations/s
• Demi-vie = 5,26 *108 min ~ 1000 ans
• Probabilité qu’un atome donné se désintègre dans les 5 minutes est faible p ~ 108
• µ = np = 5*10 désintégrations en 5 minutes
• Probabilité de r désintégrations =
r n
B pr p
r n
r p n
n r
P
(1 )
)!
(
! ) !
;
; (
Mais n! est impossible à calculer n est très grand
p est très petit np = µ est fini
On remplace p par µ/n
n r
r n r
r
r r n
B
n µ µ
r n
n n
n µn µ n
µ r
n r
n
n µ n
µ r
n r
p n n r P
) 1
) ( 1 )...(
1 (
) 1
(
) 1
( )!
(
!
!
) 1
)! ( (
! ) !
;
; (
) 1 1 )...(
1 lim (
1 lim 1
lim 1
) 1
(
) 1
(
!
) 1 )...(
1 ) (
;
; (
r r
µ n
r n r
B r
n
r n
n n n
n µ n
n e µ n
n µn µ µ
r n
r n
n p n
n r P
Distribution de Poisson
) ,
( )
;
; lim (
) 1
(
) 1
(
!
) 1 )...(
1 ) (
;
; (
µ r
µ P p e
n r P
n µn µ µ
r n
r n
n p n
n r P
r µ
r n r
B r
n = 10, p = 0,5 µ = 5
n = 100, p = 0,05 µ = 5
Propriétés de la distribution de Poisson
• Normalisation
• Écart-type
! 1 ) ! , (
0
0
µ µ x
µ x
x
x µ P
e x e
e µ
x µ µ e
x P
Rayons cosmiques
• 180 rayons cosmiques / (m2 min)
• Combien en passe-t-il en 10 secondes ?
• µ = 180*10/60 = 30
• On peut prédire qu’il passera
rayons cosmiques en 10 secondes
30 30
5 , 5 30
30
secondes 10
3
seconde 1
Distributions de Poisson
• Nombre de fautes de frappe dans une page
• Nombre d’individus vivant plus de 100 ans
• Nombre de émis par une source
• Nombre d’incendies à Montréal par semaine
• Nombre de gens tirant le numéro gagnant
Additivité
• x obéit à
• y obéit à
• Alors, z = x + y obéit à
) ,
,
(x m p PB
) ,
,
( y n p PB
) ,
,
(z m n p PB
y x
z
Additivité
• x obéit à
• y obéit à
• Alors, z = x + y obéit à
) ,
(x µ1 PP
) ,
( y µ2 PP
) ,
(z µ1 µ2 PP
2 2
y x
z
y x
z
Distribution gaussienne
• La distribution de Poisson est asymétrique
• Mais devient plus symétrique pour µ grand
• Pour µ>30, la distribution est symétrique
5 , 5 30
30
secondes 10
7 , 1 3
3
seconde 1
Distribution gaussienne
• Abraham de Moivre 1733
• Distribution continue de à
• Maximum en x = µ
• Forme en cloche
• D’application très générale
Distribution gaussienne
• Taille des individus
• QI
• Incertitudes
• Vitesse des molécules
2 2
2
2 ) 1
(
µ x
G
x e
P
Distribution gaussienne
• 2 paramètres : µ et
• Symétrique autour de µ
Additivité
• x obéit à
• y obéit à
• Alors, z = x + y obéit à ) ,
,
( x x
G x µ
P
) ,
,
( y y
G y µ
P
) ,
,
( z z
G z µ
P
y x
z
Distribution normale
• Distribution gaussienne
• µ = 0
= 1
Fonction tabulée Fonction standard
2
2
2 ) 1
(
x
N
x e
P
Distribution normale
1
1
% 68 68269
, 0 )
(x dx PN
68
, 0
68 , 0
5 , 0 )
(x dx
PN
P.E. 0 , 68
2 , 35
Largeur à mi-hauteur
Distribution gaussienne
2 ) 1
(
% 68 68269
, 0 )
(
68 , 0
68 , 0
dx x
P
dx x
P
G G
Fonction erreur erf(x)
2 ) 1
( ) 1 (
2
2
2 2
erf a dx
e dx
x P
dx e
a erf
a
a a x
a
N
a a
x
Fonction erreur
68 ,
0 )
(
1 )
(
0 )
0 (
1 2
erf
erf erf
Théorème de la limite centrale
• Sans démonstration
• Indique pourquoi tant de phénomènes obéissent à une distribution gaussienne
Théorème de la limite centrale
• Soit xi i = 1, ..., n n variables indépendantes
• Les xi obéissent à des distributions caractérisées par des µi et des i
• Alors, est distribuée selon une
• gaussienne avec
n i xi
1
5 , 5 30
30
7 , 1 3
3
Lorentz
• Pas de lien avec les autres distributions
• Phénomènes de résonance
• Circuits RLC
Lorentz
• est infini
• On utilise
22 2 21
µ PL x