Chapitre II:

Les caractristiques mtrologique

I. Les erreurs de mesure:
Les seuls mesurande dont les valeurs sont parfaitement connues
sont les grandeurs talons dont les valeurs sont fixes par
convention.
La valeur de tout autre mesurande ne peut tre connue quaprs le
traitement par une chane de mesure.
2
Exemple:
1. le kilogramme (kg) est la masse du prototype dpos au Bureau
International des Poids et Mesures.
2. Le mtre (m) est la longueur du trajet parcouru dans le vide par
la lumire pendant une dure de 1/299 792 458 de seconde.
Un talon de mesure est une grandeur de rfrence
3
Une conception rigoureuse de la chane de mesure permet de
rduire lerreur de mesure.
Lcart entre la valeur mesure et la valeur vraie est lerreur de
mesure qui est due essentiellement aux imperfections de la chane
de mesure qui dgradent linformation du signal au cours de son
traitement.
Il existe diffrents types derreurs de mesure:
Les erreurs illgitimes (Illegitimate errors).
Les erreurs systmatiques (Systematic errors).
Les erreurs accidentelles ou alatoires (Random errors).
1. Les erreurs illgitimes (Illegitimate errors)
Elles rsultent dune fausse manuvre, dune mauvaise utilisation
ou dun dysfonctionnement de lappareil de mesure.
Ce sont des fautes commises lors de la mesure et elles ne sont
gnralement pas prises en compte dans la dtermination de
cette dernire.
4
Exemples:
1. Mesurer une tension laide dun multimtre dont le bouton
est plac sur la fonction ampre.
2. Utiliser un appareil de mesure dfectueux ou hors tension.
2. Les erreurs systmatiques (Systematic errors).
Ce sont des erreurs reproductibles, elles sont constantes et/ou
variation lente par rapport la dure de mesure. Elles introduisent
donc un dcalage constant entre la valeur vraie et la valeur mesure.
a. Les erreurs sur la valeur dune grandeur de rfrence:
Ces erreurs peuvent tre limines par la vrification
rigoureuse des appareils de mesure.
5
Ces erreurs peuvent avoir plusieurs causes, dont les plus frquentes.
1. Le dcalage du zro dun appareil analogique.
Exemple:
2. la valeur errone de la temprature de rfrence dun
thermocouple.
3. la valeur inexacte de la tension dalimentation dun
gnrateur.
b. Les erreurs sur la sensibilit ou sur la courbe dtalonnage
dun capteur:
1. Le vieillissement dun capteur, la fatigue mcanique ou
laltration chimique de ses composants, entranent une
modification de sa courbe dtalonnage initiale.
Ces erreurs peuvent tre rduites par un rtalonnage
frquent des capteurs.
c. Les erreurs dues au mode ou aux conditions demploi :
1. Lerreur de rapidit qui rsulte dune mesure faite avant que le
rgime permanent ne soit atteint.
6
Exemple:
Exemples:
2. lerreur de finesse qui est due la modification de la valeur du
mesurande par la prsence du capteur lui mme.
3. Les erreurs accidentelles ou alatoires (Random errors).
Ce sont des erreurs non reproductibles, leurs apparitions et leurs
valeurs sont considres comme alatoires.
a. Les erreurs lies aux caractristiques instrumentales:
Lerreur de mobilit: Cest la variation maximale du mesurande qui
nentraine pas de variation dtectable de la grandeur de sortie du capteur.
7
Certaines de leurs causes peuvent tre connues, mais les valeurs
des erreurs quelles entranent au moment de la mesure sont
inconnues.
Lerreur de rsolution: Cest la valeur minimale du mesurande mesur
avec un capteur donn.
Lerreur de lecture: Elle rsulte de la plus ou moins grande habilit de
loprateur.
Exemple: un potentiomtre bobin pour lequel un dplacement du curseur
infrieur la distance entre deux spires peut nentrainer aucune variation de la
tension de sortie.
8
b. Les erreurs dues des grandeurs dinfluence :
Lorsque les consquences des variations des grandeurs dinfluence
nont pas t prises en compte lors de ltalonnage du capteur, on
peut considrer que leur contribution est alatoire.
Exemple 2: On mesure un champ magntique et un avion passe sur
la salle :Les champs magntiques peuvent induire des f.e.m.
parasites,
Ce type derreurs apparat lorsque lappareil de mesure est utilis
dans des conditions environnementales diffrentes de celles dans
lesquelles il a t talonn.
Exemple 1: la temprature est la grandeur dinfluence qui le plus
souvent rencontr. Elle provoque deux types de phnomnes :
dilatation des corps et modifications des proprits lectriques
(changement de la rsistance et de la conductivit lectrique).
Ces erreurs accidentelles ou alatoires sont
dtermines partir dune tude statistique.
4. Traitement statistique des mesures:
Des mesures rptes plusieurs fois donnent des rsultats
disperss en raison des erreurs dont elle sont entaches.
Il faut donc appliquer un traitement statistique afin de connatre
la valeur la plus probable de la grandeur mesure et de fixer les
limites de lincertitude.
Ce traitement seffectue en plusieurs tapes qui consistent :
Etablir la distribution des donnes, une reprsentation
graphique de la distribution permettra une premire valuation
des mesures.
Caractriser la distribution statistique par la mesure de la
tendance centrale (moyenne, mode, mdiane).
Dterminer la dispersion de la distribution par la variation
des rsultats de mesure par rapport la valeur moyenne
(Variance, cart type).
9
5. Caractrisation statistique dune distribution:
Lorsque la mesure dune mme grandeur X a t rpte n fois en
donnant les rsultats x
1
, x
2
x
n
, et si on suppose que la valeur x
1
a
t obtenue n
1
fois, la valeur x
2
obtenue n
2
fois et x
n
obtenue n
n
fois :
Le nombre total dobservations est: n = n
1
+ n
2
+ ...n
n
la frquence relative de distribution qui correspond la probabilit
dapparition des valeurs x
1
, x
2
x
n
est:
La reprsentation graphique par histogramme, par la courbe de
frquence relative, ou par le diagramme de frquence cumule
permet de visualiser la distribution.
10
Exemple: La temprature dun four a t mesures toutes les 30
mn pendant une priode de 10h. Les valeurs obtenues sont
consignes dans le tableau ci-dessous:
N de la
mesure
Temprature
(C)
N de la
mesure
Temprature
(C)
1 209 11 212
2 195 12 205
3 212 13 225
4 225 14 214
5 216 15 216
6 228 16 216
7 231 17 205
8 212 18 193
9 237 19 220
10 200 20 230
11
Indication: On choisi comme intervalles des groupes:
[190-199], [200-209], [210-219], [220-229], [230-239].
Il faut commencer par ordonner ces valeurs et les diviser en
groupes pour dterminer la frquence de distribution et
reprsenter graphiquement la distribution:.
12
Intervalle des
groupes
Observation
dans le groupe
Frquence
relative
Frquence
cumule
[190-199]
[200-209]
[210-219]
[220-229]
[230-239]
Total
Intervalle des
groupes
Observation
dans le groupe
Frquence
relative
Frquence
cumule
[190-199] 2 0,1 0,1
[200-209] 4 0,2 0,3
[210-219] 7 0, 35 0,65
[220-229] 4 0,2 0,85
[230-239] 3 0,15 1
Total 20 1
13
14
Mesures de la tendance centrale dune distribution:
- La moyenne (The mean): Lorsque la mesure dune mme
grandeur X a t rpte n fois, donnant les rsultats x
1
,x
2
x
n
,
la valeur moyenne est dfinie par:
- La mdiane (The median): Elle correspond la valeur centrale
dans un groupe de donnes ordonnes.
- Le mode (The mode): Cest la valeur la plus frquente, elle
correspond au pic de la courbe de frquence relative.
Cest la mesure de la tendance centrale la plus utilise, x
sapproche de la vrai valeur lorsque le nombre de mesures
augmente.
15
1
n
i
i
x
x
n
=
=

Remarque: Pour lexemple que nous avons prsent, les trois

mesures de la tendance centrale ne donnent pas les mmes
rsultats:
La moyenne est gale 215,05C
La mdiane est gale 215C
Le mode est gale 215C
16
Ces trois valeurs ne concident pas car le nombre de
mesures est rduit.
Mesures de la dispersion dune distribution:
Deux distributions de donnes diffrentes peuvent avoir la mme
moyenne mais pas la mme dispersion:
Il existe plusieurs mesures de dispersion:
Le domaine
La dviation moyenne
La variance
Lcart type
Le coefficient de variation
Lerreur standard sur la moyenne
17
Numro de la meure
V
a
l
e
u
r

m
e
s
u
r

- Le domaine (The range)

max min
R x x =
- La dviation moyenne (The mean deviation)
1
1
n
x i
i
d x x
n
=
| |
=
|
\

- La variance
2
2
1
1
1
n
i
i
x x
n

=
| |
=
|

18
- Le coefficient de variation
Cest un paramtre normalis qui indique la variabilit des donnes
par rapport la valeur moyenne.
100(%)
v
C
x

=
- Lerreur standard sur la moyenne
, 0 quand n
x x
S S
n

=
19
- Lcart type (The standard deviation)
Cest la mesure de dispersion la plus utilise:
1
2
2
1
1
1
n
i
i
x x
n

=
(
| |
=
( |

Remarque:
La probabilit P(x
1
,x
2
) dobtenir comme rsultat dune mesurande
une valeur du mesurande comprise entre deux valeurs x
1
et x
2
scrit:
( )
2
1
2
1 2
2
1
( , ) ( ) avec ( ) exp
2
2
x
x
x x
P x x p x dx p x

| |

|
= =
|
|
\

P(x) est la densit de probabilit pour la valeur x du mesurande.

20
La probabilit dapparition dun rsultat de mesure dans les
limites indiques est:
( ) 68, 27%
( 2 ) 95, 45%
( ) 99, 73%
P x
P x
P x

=
=
=
En gnral, on prend une incertitude gale 3 lcart type
(3 )