Références & outils
Présentation
Auteur(s)
-
Jean-Michel POU : Président Fondateur de la société Delta Mu
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleINTRODUCTION
Les résultats de mesure ne sont pas parfaits. Chaque mesure est entachée d’une erreur qu’il convient de savoir estimer. En effet, de nombreuses décisions sont directement fondées sur des résultats de mesure. Il est donc important de pouvoir maîtriser le doute que l’on a sur la valeur du mesurande caractérisé. L’incertitude que l’on associe alors à un résultat de mesure permet de fournir une indication quantitative sur la qualité de ce résultat. Cette information est essentielle pour estimer la fiabilité d’un résultat de mesure.
L'expertise technique et scientifique de référence
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Qualité et sécurité au laboratoire
(139 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Définir un intervalle de confiance4. Observer : construire un histogramme
Excel propose un style de graphique qui permet de voir l’histogramme relatif aux valeurs simulées. Il est facile d’usage, mais il peut être utile de savoir construire un histogramme à partir d’une série de données. La procédure à suivre est par exemple la suivante :
-
rechercher le « Min » et le « Max » de la série simulée (Colonne A, par exemple) : MIN(A:A), MAX(A:A) ;
-
déterminer le nombre de classes (n = nombre de valeurs simulées) : NBClasses = ENT(1 + LOG10(n) * 10/3).
Il existe d’autres façons de déterminer le nombre de classes d’un histogramme. Celle-ci, dérivée de la règle de Sturges, est donnée pour exemple :
-
déterminer la largeur « PAS » des classes : PAS = [MAX(A:A) – MIN(A:A)]/ NBClasses ;
-
déterminer la classe de chaque valeur simulée xi : N° Classe = ENT((xi – MIN(A:A))/PAS ;
-
le numéro de la classe de chacun des xi est calculé par exemple en colonne B. La première classe de l’histogramme est la classe 0 ;
-
il faudra ensuitedéterminer l’effectif de chaque classe
.
On peut aussi réaliser un histogramme des fréquences en divisant l’effectif de chaque classe par le nombre total de valeurs. C’est à partir de cet histogramme des fréquences que nous pouvons construire la fonction de répartition (cf. « Les lois empiriques » dans l’étape « Comprendre la méthode proposée par le GUM S1 »). Dans la fonction de répartition, la fréquence de la classe 0 est égale à celle de l’histogramme des valeurs. La fréquence de chaque i est égale à la somme des fréquences des i– 1 classes précédentes.
4.1 Visualiser l’histogramme
La...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Qualité et sécurité au laboratoire
(139 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Observer : construire un histogramme
-
Covariance evaluation by means of uncertainty assessment , DUBOIS (C.), LEBLOND (L.), POU (J.M.) et FERRERO (A.), in IEEE Instrumentation & Measurement Magazine, vol. 19, no. 6, pp. 12-18, décembre 2016
-
JCGM 100:2008(F) – Évaluation des données de mesure – Guide pour l’expression de l’incertitude de mesure. Téléchargeable gratuitement et en français
-
JCGM 101:2008 – Evaluation of measurement data – Supplement 1 to the “Guide to the expression of uncertainty in measurement “- Propagation of distributions using a Monte-Carlo Method. Téléchargeable gratuitement et en français
-
JCGM 200:2012 – Vocabulaire international de métrologie – Concepts fondamentaux et généraux et termes associés (VIM) 3e édition
-
FD X07-023 – Métrologie – Évaluation de l’incertitude de mesure par la méthode Monte-Carlo – Principes et mise en œuvre du supplément 1 au GUM, mai 2012
-
Outil
Simulateur d’une loi empirique (Outil
...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Qualité et sécurité au laboratoire
(139 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Des modules pratiques
Opérationnels et didactiques, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
