Mention Physique - L2 - Ann´ ee 2011-2012 Licence de Sciences et Technologies LP223 : Analyse de Donn´ ees et Simulation
Travaux Dirig´ es ( N
◦3) - Cours - th` eme : ajustement et incertitude
A M´ ethode des moindres carr´ es
A1 La moyenne arithm´ etique revisit´ ee
On a une s´erie de n mesures exp´erimentale (yiexp, i = 1, N). L’erreur sur ces mesures est identique et vautσ. On veut d´eterminer la valeur y0 la plus proche de toutes ces mesures exp´erimentales par la m´ethode des moindres carr´es.
1. Donner l’expression duχ2; [Solution :
χ2(y0) =
N
X
i=1
yi−y0
σ 2
= 1 σ2
N
X
i=1
(yi−y0)2 (1)
]
2. Donner l’´equation qui d´eterminey0, puis la r´esoudre;
[Solution :
∂χ2
∂y0
(y0= y0s) = 0⇔ 1 σ2
N
X
i=1
2(yi−y0s)(−1) = 0 (2)
⇔ys0= 1 N
N
X
i=1
yi (3)
]
1
3. Donner l’´equations qui d´etermine l’erreur absolue sury0, puis la r´esoudre;
[Solution : L’erreurσys0sur ys0est donn´ee par la relation suivante :
χ2(y0s+σy0s) =χ2(ys0) + 1 (4) Au voisinage de la solution, on peut g´en´eralement faire une approximation (quadratique) parabolique pour la fonctionχ2(y0), soit :
χ2(y0) =χ2(ys0) + (y0−ys0)∂χ2
∂y0
(y0= ys0) +1
2(y0−ys0)2∂2χ2
∂y20 (y0= ys0) (5)
=χ2(ys0) +1
2(y0−ys0)2∂2χ2
∂y20 (y0= ys0) (6)
Donc, pour obtenirσys0, il faut r´esoudre l’´equation ci-dessous : χ2(ys0) + 1 =χ2(ys0+σys0) =χ2(ys0) +1
2(ys0+σy0s−ys0)2∂2χ2
∂y20 (y0= ys0) (7) d’o`u :
σys0=
s 2
∂2χ2
∂y20(y0= ys0) (8)
On a
∂2χ2
∂y20
(y0) =−2 σ2
N
X
i=1
(−1) =2N
σ2 (9)
d’o`u
σys0= σ
√N (10)
En conclusion :
ys0= 1 N
N
X
i=1
yi± σ
√N (11)
On retrouve ici un r´esultat bien connu. L’ajustement d’une fonction constante par la m´ethode des moindres carr´ees sur une s´erie de mesures de mˆeme incertitude (ce qui re- vient `a d´eterminer la constante la plus proche, au sens des moindres carr´ees, sur cette s´erie de mesures) est ´equivalent `a faire la moyenne arithm´etique de cette s´erie de mesures.
L’erreur sur cette quantit´e ´etant ´egale `a l’erreur de mesure divis´ee par la racine du nombre de mesure. ]
A2 Ajustement d’une fonction lin´ eaire passant par l’origine
On a une s´erie de n mesures exp´erimentale ((yexpi , xexpi ), i= 1, n). L’erreur sur les (yiexp) est identique et vautσy=σ, l’erreur sur les (xexpi ) est identique et vautσx≃0 . On veut mod´eliser ces mesures avec la relationy=ax, pour cela on utilise m´ethode des moindres carr´es.
2
1. Donner l’expression duχ2; [Solution :
χ2(a) =
N
X
i=1
yi−axi
σ 2
(12) ]
2. Donner l’´equation qui d´eterminea, puis la r´esoudre;
[Solution :
∂χ2
∂a(a = as) = 0⇔ 1 σ2
N
X
i=1
2(yi−asxi)(−xi) = 0 (13)
⇔as= PN
i=1xiyi
PN
i=1x2i (14)
]
3. Donner l’´equations qui d´etermine l’erreur absolue sura, puis la r´esoudre;
[Solution : σas=
s 2
∂2χ2
∂a2(a = as) avec ∂2χ2
∂a2 (a) =2 σ
N
X
i=1
x2i (∀a) soit σas= σ q
PN i=1x2i
(15) En conclusion :
as= PN
i=1xiyi
PN
i=1x2i ± σ q
PN i=1x2i
(16)
]
B Calcul d’incertitude
[Solution : la solution de ce probl`eme dans cette partie B est dans le cours ]
1. On mesure deux grandeurs ind´ependantesx0±σx0ety0±σy0. On veut estimer l’erreur ab- solueσz0sur la grandeur nominalez0avecz0=f(x0, y0) dans les cas suivantf(x, y) =ax, f(x, y) =ax+byetf(x, y) =xayb,a6= 0 etb6= 0.
Dans les deux premier cas vous estimerez l’erreur de utilisant la m´ethode classique et la m´ethode statistique puis vous g´en´eraliserez les r´esultats obtenus par la m´ethode statis- tique `a une fonction non lin´eaire (formule statistique de propagation des erreurs).
3
Par la suite vous utiliserez uniquement la m´ethode statistique pour estimer les erreurs;
[Solution :
(a) On consid`ere une grandeuryqui est la somme de 2 grandeursy1ety2:
y=y1+y2 (17)
(b) Le r´esultat des mesures des grandeursyi(i= 1,2) sont des variables al´eatoires dont les densit´es de probabilit´e sont not´eesgi(u), on a :
Proba(Yi∈[ai,bi]) = Zbi
ai
gi(u)du (18)
(c) Si on fait l’hypoth`ese que les densit´es de probabilit´egi(u) sont des gaussiennes de valeur moyenne ¯yiet d’´ecart typeσi, on a dans ce cas :
Proba(Yi∈[ai,bi]) = Zbi
ai
1 σi
√2πexp
(u−y¯i)2 2σi
du (19)
(d) La probabilit´eP(y1, y2, dy1, dy2) pour que la variableY1 appartienne `a l’intervalle
∈[y1, y1+dy1] et que la variableY2appartienne `a l’intervalle∈[y2, y2+dy2] est P(y1, y2, dy1, dy2) =g1(y1)dy1×g2(y2)dy2 (20)
= 1
σ1
√2πexp
(y1−y¯1)2 2σ1
dy1× 1 σ2
√2πexp
(y2−y¯2)2 2σ2
dy2
(21) (e) Le fait que le r´esultat de la mesure de la grandeur yi soit une variable al´eatoire implique que la grandeur y que l’on vaut estimer est une variable al´eatoire. Donc connaitre la grandeur y c’est connaitre la densit´e de probabilit´e de cette variable.
(f) La probabilit´e P(y1, y = y1+y2, dy1, dy) pour que la variableY1 appartienne `a l’intervalle∈[y1, y1+dy1] et que la variableY appartienne `a l’intervalle∈[y, y+dy]
est
P(y1, y, dy1, dy) =g1(y1)dy1×g2(y−y1)dy (22)
= 1
σ1
√2πexp
(y1−¯y1)2 2σ1
dy1× 1 σ2
√2πexp
(y−y1−y¯2)2 2σ2
dy (23) (g) La probabilit´eP(y=y1+y2, dy) pour que la variableY1appartienne `a l’intervalle
∈[y1, y1+dy1] et que la variableY appartienne `a l’intervalle ∈[y, y+dy] est ce quelque soit la valeur prise par la variableY1.
P(y, dy) =dy Z∞
∞
g1(y1)×g2(y−y1)dy1 (24)
=dy Z∞
∞
1 σ1
√2πexp
(y1−y¯1)2 2σ1
× 1 σ2
√2πexp
(y−y1−y¯2)2 2σ2
dy1
(25)
= 1
pσ21+σ22√
2πexp (y−(¯y1+ ¯y2))2 2(σ21+σ22)
!
dy (26)
4
(h) La densit´e de probabilit´e de la variable al´eatoirey f(y) (P(y, dy) =f(y)dy) est donc une gaussienne dont la valeur moyenne (¯y) est la somme des valeurs moyennes (¯y= ¯y1+ ¯y2) et dont l’´ecart type(σ) qui est l’erreur sur la grandeur y est la racine de la somme quadratique des ´ecarts types (des erreurs de mesures) :
f(y) = 1 σ√
2πexp
(y−y)¯2 2σ
(27)
¯
y= ¯y1+ ¯y2 (28)
σ= q
σ12+σ22 (29)
(i) On peut g´en´eraliser le r´esultat pr´ecedent `a toute combinaison lin´eaire de grandeurs physiqueyidont l’incertitude de mesure estσi, si :
y=
N
X
i=1
ciyi, (ci: coefficients r´e`els) (30) le carr´e de l’erreur suryest :
σ2=
N
X
i=1
c2iσi2 (31)
(j) Si la fonctionf(y1, y2, ...., y) est quelconque, on lin´earise la fonction au voisinage des valeurs exp´erimentales et :
i.
y=f(y1, y2, ...., yN)
≃f(yex1 , y2ex, ...., yNex) + (y1−y1ex)∂f
∂y1
(yex1 , .., yNex) +....+ (yN−yexN)∂f
∂yn
(yex1 , .., yNex)
(32)
≃f(yex1 , y2ex, ...., yNex)−
N
X
i=1
yiex
∂f
∂yi
(yex1 , .., yNex) +
N
X
i=1
yi
∂f
∂yi
(yex1 , .., yNex) (33) ii. L’incertitude sur la grandeur y est estim´ee dans l’approximation lin´eaire, on a
dans ce cas : σy2=
∂f
∂y1
(yex1 , .., yexN) 2
σ12+ ∂f
∂y2
(y1ex, .., yexN) 2
σ22
+....+ ∂f
∂yn
(yex1 , .., yexN) 2
σN2
(34)
=
N
X
i=1
∂f
∂yi
(yex1 , .., yexN) 2
σi2 (35)
(a) Dans le cas de la propagation classique des erreurs on a i.
σz=
∂z
∂x
|∆x|=|a|σx (36)
5
ii.
σz=
∂z
∂x |∆x|+
∂z
∂y
|∆y|=|a|σx+|b|σy (37) (b) Dans le cas de la propagation statistique des erreurs on a
i.
σz=|a|σx (38)
ii.
σz=q
a2σ2x+b2σ2y (39) iii.
σz=|z0| s
a2σx
x 2
+b2 σy
y 2
(40)
]
2. Donner l’incertitude absolue σI sur l’intensit´eI = A/r2 en fonction des incertitudes absoluesσAetσr;
[Solution :
σI=I r
σA
A 2
+ 4σr
r 2
(41) ]
3. 0n fait deux mesures ind´ependante de la longueurld’une tigea±σaetb±σb. Quelle est la longueur nominale ainsi que l’incertitude sur celle-ci si on utilise la moyenne arithm´etique ? Mˆeme question si on utilise la moyenne pond´er´ee par les erreurs ? [Solution :
larit.=a+b
2 ±
pσ2a+σ2b
2 (42)
lpond.=σb2a+σa2b
σa2+σ2b ± σaσb
pσ2a+σ2b (43) ]
4. La valeur moyenne du nombre de photons d´etect´es pendant le tempsT vautN. Quelle est la valeur moyenne du nombrende photons d´etect´es par unit´e de temps ainsi que son erreur ?. Donner aussi l’erreur relative.
6
[Solution : n=N
T (44)
σ2n= ∂n
∂N 2
σN2 + ∂n
∂T 2
σ2T, avec σN=√
N et σT= 0 (45) σn=
√N T ,
σn
n = 1
√N
(46) n=N
T ±
√N
T (47)
]
note : on aR∞
−∞exp −12(Au2+Bv2+ 2Cuv) dv=q
2π Bexp
−2σu22u
avec σ2u = ABB−C2 (A > 0, B > 0 et AB > C2) (pour le d´emontrer vous completez le carr´e :Bv2+ 2Cuv=B v+CuB2
−CB2u2) Rep: σz=|a|σx,σz=p
a2σx2+b2σ2yσz=|z0| r
a2 σxx2
+b2σ
y y
2
7
.
8