Comprendre l’approche bayésienne dans le cadre de la métrologie : Notre conseil

Notre conseil
Comprendre l’approche bayésienne dans le cadre de la métrologie

Auteur(s) : Stéphane PUYDARRIEUX

Date de publication : 10 juin 2015 | Read in English

Sommaire
Médias

Présentation

1 - Le processus de mesure et la dispersion des mesures

2 - La dispersion des mesures et l’émergence du concept d’incertitude

2.1 - L’inversion bayésienne
2.2 - L’incertitude

3 - La prise en compte des « a priori » (approche bayésienne)

4 - Les apports de l’approche bayésienne

4.1 - Exemple 1
4.2 - Exemple 2
4.3 - Exemple 3

5 - Notre conseil

5.1 - Vérifiez la cohérence/compatibilité des lois de distribution « a priori » et des mesures…

6 - Erreurs à éviter

6.1 - N’opposez pas les approches fréquentiste et bayésienne
6.2 - Ne cherchez pas du bayésien partout
6.3 - Ne vous laissez pas impressionner par l’abondance et la complexité de la littérature traitant de l’approche bayésienne

Références & outils

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.

Cet article est réservé aux abonnés.
Il vous reste 95 % à découvrir.

Pour explorer cet article Consulter l'extrait gratuit

Déjà abonné ? Se connecter