Les apports de l’approche bayésienne
Comprendre l’approche bayésienne dans le cadre de la métrologie
FIC1500 v1 Fiche pratique

Les apports de l’approche bayésienne
Comprendre l’approche bayésienne dans le cadre de la métrologie

Auteur(s) : Stéphane PUYDARRIEUX

Date de publication : 10 juin 2015 | Read in English

Logo Techniques de l'Ingenieur Cet article est réservé aux abonnés
Pour explorer cet article plus en profondeur Consulter l'extrait gratuit

Déjà abonné ?

Sommaire

Présentation

Auteur(s)

  • Stéphane PUYDARRIEUX : Expert en statistique appliquée, Direction technique – AREVA NC La Hague.

Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.

Lire l’article

INTRODUCTION

Vous disposez d’un élément à mesurer/analyser : cet élément peut être une cale étalon, une solution étalon, un matériau de référence, une source étalon d’un radionucléide… ou un échantillon inconnu (prélevé au sein d’un lot, d’une série, d’une production…).

Vous vous intéressez à une propriété mesurable de cet élément. Cette propriété d’intérêt pourrait être « définie à un niveau de détail suffisant pour être raisonnablement représentée par une valeur vraie par essence unique » (guide ISO/CEI 98-4 : 2013).

Avant de réaliser la mesure de cette propriété d’intérêt, vous avez déjà une connaissance « a priori » de la valeur de mesure attendue, soit par des mesures antérieures de ce même mesurande (un étalon mesuré périodiquement…), soit par des mesures antérieures d’éléments similaires (lots antérieurs réalisés dans les mêmes conditions de production avec un processus sous contrôle…), soit par des résultats de codes de calculs ou de simulation numérique…

Cette fiche présente simplement comment l’approche bayésienne permet de prendre en compte cette connaissance « a priori » lors de l’estimation de la valeur vraie du mesurande et de l’incertitude associée à cette estimation. Elle montre également l’intérêt de la prise en compte de ces informations « a priori » et les limites de cet exercice.

Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


DOI (Digital Object Identifier)

https://doi.org/10.51257/a-v1-fic1500

Lecture en cours
Présentation

Article inclus dans l'offre

"Qualité et sécurité au laboratoire"

(140 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

4. Les apports de l’approche bayésienne

Pour illustrer l’apport de l’approche bayésienne, nous considérerons trois exemples, dans lesquels nous ferons varier uniquement l’écart-type de la loi « a priori ». Les exemples reprennent les valeurs des figures « Deux valeurs vraies différentes peuvent donner la même chose » et « Mesure unique d’un échantillon de valeur vraie inconnue », à savoir des lois de probabilité normales de moyenne 50 pour la loi « a priori » et 57 pour la loi des mesures.

4.1 Exemple 1

La loi « a priori » présente un écart-type supérieur à celui de la loi de distribution des mesures (par exemple, l’appartenance à une population dispersée).

HAUT DE PAGE

4.2 Exemple 2

La loi « a priori » présente un écart-type égal à celui de la loi de distribution des mesures.

HAUT DE PAGE

4.3 Exemple 3

La loi « a priori » présente un écart-type inférieur à celui de la loi de distribution des mesures (par exemple la connaissance d’un étalon mesuré périodiquement).

Ces trois exemples montrent que l’effet de la prise en compte des informations « a priori » porte sur la valeur moyenne et sur l’écart-type de la loi « a posteriori ».

La prise en compte des « a priori » modifie l’estimation de la valeur vraie du mesurande et diminue significativement l’incertitude associée à cette estimation. Cet effet est d’autant plus « marqué » que la connaissance « a priori » est « précise » (écart-type faible).

HAUT DE PAGE
Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 93 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


Lecture en cours
Les apports de l’approche bayésienne

Article inclus dans l'offre

"Qualité et sécurité au laboratoire"

(140 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre

Sommaire
Sommaire
Logo Techniques de l'Ingenieur

Cet article est réservé aux abonnés.
Il vous reste 94 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ?


Article inclus dans l'offre

"Qualité et sécurité au laboratoire"

(140 articles)

Une base complète d’articles

Actualisée et enrichie d’articles validés par nos comités scientifiques.

Des contenus enrichis

Quiz, médias, tableaux, formules, vidéos, etc.

Des modules pratiques

Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses.

Des avantages inclus

Un ensemble de services exclusifs en complément des ressources.

Voir l'offre