Ecart type experimental : quelle formule choisir ?

Jean-Michel POU
Jean-Michel POUPrésident-Fondateur, Deltamu à Alliance Industrie du Futur
ECART-TYPE
EXPERIMENTAL :
QUELLE FORMULE CHOISIR ?

Jean-Michel POU :
Dirigeant Fondateur de la société DELTA MU Conseil
Président du G.I.E QUANTUM METWORK
QUELLE FORMULE CHOISIR ?
Cet exposé a 2 objectifs :
1. Répondre à la question initiale concernant la

façon de calculer un écart type expérimental à
partir d’un échantillon de valeurs.
2. Montrer les perspectives que présentent
l’utilisation de la simulation numérique.
QUELLE FORMULE CHOISIR ?
Dans le cas des évaluations d’incertitudes dites
de « type A », la qualité de l’estimateur d’écarttype dépend du nombre d’échantillons (de
mesures) utilisés.
La littérature présente différentes approches dans
le cas des faibles échantillonnages. Certaines
méthodes proposent de multiplier l’écart type
calculé suivant la formule générale par un
correcteur, d’autres de diviser l’étendue du
prélèvement par un scalaire.
QUELLE FORMULE CHOISIR ?
La norme NF X 06-072 travaille en appliquant
un correcteur à l’écart type théorique. Les
coefficients, qui dépendent du nombre
d’échantillons, sont les suivants :
Nb d ’échantillons

2

3

4

5

6

7

1,254

1,128

1,085

1,063

1,05

1,043

8

9

10

11

12

13

14

1,036

1,031

1,028

1,025

1,023

1,02

1,02

Correcteur
QUELLE FORMULE CHOISIR ?
La norme NF ENV ISO 14253-2 travaille elle aussi en
appliquant un correcteur à l’écart type théorique. Les
coefficients, différents des précédents, dépendent
également du nombre d’échantillons :
Nb d’échantillons

2

3

4

5

6

7

8

9

Correcteur

7

2,3

1,7

1,4

1,3

1,3

1,2

1,2
QUELLE FORMULE CHOISIR ?
La norme FD X 07-021 propose de diviser l’étendue d’un
prélèvement par un scalaire, lui aussi en fonction du
nombre d’échantillons prélevés :

Nb d’échantillons

2

3

4

5

6

1,128

1,693

2,059

2,326

2,534

7

8

9

10

11

12

2,704

2,847

2,97

3,078

3,173

3,258

Diviseur
QUELLE FORMULE CHOISIR ?
Le M.S.A (Measurement System Analysis) propose
également de diviser l’étendue d’un prélèvement par un
scalaire, fonction évidemment du nombre d’échantillons
prélevés :
Nb d’échantillons
Diviseur

2
1,41421

6

7
2,67253

3
1,91155
8

4
2,23887
9

5
2,48124
10

16
3,61071

3,07794

3,17905

13

14

15

3,35016

3,42378

3,49116

3,55333

17

3,26909

2,96288

12

11

2,82981

18

19

20

3,66422

3,71424

3,76118

3,80537
QUELLE FORMULE CHOISIR ?
Chaque méthode propose des solutions différentes qui conduisent,
évidemment, à des estimateurs différents. La simulation numérique
permet de définir l’approche la plus cohérente.
La méthode proposée s’appuie sur la simulation numérique. A partir
d’une population importante déterminée (plus de 100 000 éléments),
on réalise des prélèvements, de 2 à 50 éléments, puis on compare
l’écart type du prélèvement à l’écart type théorique déterminé à partir
de toute la population. On recherche également la relation entre
l’étendue du prélèvement et l’écart type de la distribution totale.
Afin d’évaluer l’incertitude sur l’écart type, on prélève n fois 2
éléments, n fois 3 éléments, …, n fois 50 éléments puis on calcule
l’écart type moyen et l’écart type de l’écart type pour chaque type de
prélèvements (2, 3, … 50 éléments) et pour chaque formule. On fait
de même concernant l’approche par rapport à l’étendue.
QUELLE FORMULE CHOISIR ?
La pertinence des résultats obtenus est directement liée à
la qualité du simulateur numérique utilisé. Quatre lois
sont utilisées (Uniforme, normale, dérivée d’arc sinus et
triangle isocèle). Le simulateur utilisé donne, pour 10 000
tirages, les résultats suivants :
Loi Uniforme

Loi Triangle isocèle

Loi Dérivée d'arc sinus

Loi normale
QUELLE FORMULE CHOISIR ?
La simulation numérique montre que toutes les
approches proposées donnent des résultats
différents, la plus éloignées de la réalité étant
l’approche suivant la norme NF ENV ISO 14 2532 (Cf actes du congrès 2003).
La simulation numérique permet de redéfinir des
coefficients et de leur associer une incertitude.
La correction de l’écart-type expérimental est-elle
fonction de la valeur de l’écart type ?
En réalisant n (500) prélèvements dans des distributions d’écart
types théoriques variant de 0,01 à 100, il est possible de vérifier si
l’écart type expérimental est influencé par l’écart type théorique :
Toutes lois confondues - 3 échantillons

Toutes lois confondues - 2 échantillons
1,6

1,2

y = 6E-05x + 1,2344

y = -7E-05x + 1,107

1,15

1,4

1,1
1,2

1,05
1

1
0

20

40

60

80

100

0

120

20

40

60

80

100

120

Toutes lois confondues - 5 mesures

Toutes lois confondus - 4 échantillons

1,12

1,16
1,14
1,12
1,1
1,08

y = 9E-05x + 1,0642

y = 6E-06x + 1,0469

1,1
1,08
1,06

1,06
1,04

1,04
1,02

1,02
1

1

0

20

40

60

80

100

120

0

20

40

60

80

100

Les graphes ci-dessus montrent que la correction n’est pas
fonction de la valeur de l’écart type lui-même

120
La correction de l’écart-type expérimental est-elle
fonction de la loi de distribution initiale ?
L’analyse du rapport entre l’écart type expérimental et l’écart type
théorique d’une part, l’étendue du prélèvement et l’écart type
théorique d’autre part, en fonction du nombre d’échantillons
montre :
E
cart ty pe théorique / Ecart type expérim
ental

E
tendue du prélèvem
ent / E
cart type théorique

1,3
5

Dérivée d'arc sinus
Norm
ale

1,25

4,5

Unif orm
e
Triangle

4

1,2

3,5

1,15
3

1,1
2,5

1,05

2

Dérivée d'arcsinus
1,5

1

Normale
1

Unif orm
e

0,95

Triangle

0,5

0,9
0

10

20

30

40

50

60

0

0

1
0

20

30

40

50

60

Le rapport n’est pas indépendant de la loi initiale, dans les deux cas ! Néanmoins,
et puisqu’il n’est pas possible, au préalable, de connaître la loi de distribution
initiale dans le cas d’une expérimentation, la moyenne des résultats obtenus, pour
toutes les lois initiales, sera retenue.
Dispersion des coefficients ?
Chaque simulation réalisée conduit à une rapport entre écart type expérimental
et écart type théorique d’une part, étendue et écart type théorique d’autre part. n
simulations donnent n rapports … on s’attachera à observer le rapport et l’écart
type sur le rapport, écart type résultant des n simulations :
Rapport et incertitude sur le rapport (en fonction de l'écart type)

Rapport et incertitude sur le rapport (en fonction de l'étendue)

1,3500

0,0450
Coef f icient sur écart type

1,3000

6,0000

0,700

0,0400

ÉcartTypeDeNouveau Coef f

1,2500

0,0350

1,2000

0,0300

1,1500

0,600

5,0000

0,0250

0,500
4,0000
0,400
3,0000

1,1000

0,0200

1,0500

0,0150

1,0000

0,0100

0,9500

0,0050

0,300
2,0000
0,200
1,0000

0,9000

0,0000
0

10

20

30

40

50

60

0,100

Coeff sur étendue
ÉcartTypeDeNouveau Coeff Etendue

0,0000

0,000
0

10

20

30

40

50

60

La simulation numérique montre que l’incertitude sur le rapport est nettement plus
grande lorsqu’on travaille sur les étendues plutôt que sur les écart types. Pour les faibles
échantillonnages, l’incertitude semble néanmoins plus petite !
Incertitude globale sur les écart-types
corrigés
Lorsqu’on travaille sur les écart types, la formule s’écrit : sCor = Sexp x Coeff.
L’incertitude sur scor, par application de la loi de propagation, s’écrit :
u² sCor = (dsCor/dsexp) x u²sexp + (dsCor/dCoeff) x u²Coeff
Lorsqu’on travaille sur les étendues, la formule s’écrit : sCor = Etendue / Coeff.
L’incertitude sur scor, par application de la loi de propagation, s’écrit :
u² sCor = (dsCor/dEtendue) x u²Etendue + (dsCor/dCoeff) x u²Coeff
L’applicatrion numérique montre, en fonction du nombre d’échantillons :
A partir de l'éc art type ex périmental

En f onction de l'étendue

160,00%

250,00%

Incertitude %
(2 mesures)

140,00%
Inc ertitude %
(2 mes ures )
Inc ertitude %
(3 mes ures )

120,00%

Incertitude %
(3 mesures)

200,00%

Incertitude %
(4 mesures)

Inc ertitude %
(4 mes ures )
Inc ertitude %
(5 mes ures )

100,00%

Incertitude %
(5 mesures)

150,00%

Incertitude %
(10 mesures)

Inc ertitude %
(10 mesures)
80,00%

Inc ertitude %
(15 mesures)
Inc ertitude %
(20 mesures)

60,00%

Incertitude %
(15 mesures)
Incertitude %
(20 mesures)

100,00%

Inc ertitude %
(30 mesures)

Incertitude %
(30 mesures)

Inc ertitude %
(40 mesures)

40,00%

Inc ertitude %
(50 mesures)

Incertitude %
(40 mesures)

50,00%

Incertitude %
(50 mesures)

20,00%

0,00%

0,00%
0

20

40

60

80

100

120

0

20

40

60

80

100

120

L’incertitude globale sur l’écart type corrigé, calculée à partir des résultats obtenus par
simulation numérique ( usexp, uCoeff et uEtendue) montre que l’approche à partir de l’étendue conduit
à une incertitude sur l’écart type corrigé nettement supérieure à celle obtenue à partir de l’écart
type expérimental
Distribution des écart-types expérimentaux
La distribution des écart-types expérimentaux, en fonction du
nombre d’échantillons et de la loi initiale, prend les allures
suivantes :
Loi initale normale - 2 échantillons

Loi initiale normale - 3 échantillons

Loi initale normale - 4 échantillons

Loi initiale Dérivée d'Arc Sinus - 2 échantillons

Loi initiale Dérivée d'Arc Sinus - 3 échantillons

Loi initiale Dérivée d'Arc Sinus - 4 échantillons

Loi initiale Dérivée d'Arc Sinus - 5 échantillons

Loi initiale Uniforme - 2 échantillons

Loi initiale unif orme - 3 échantillons

Loi initiale Uniforme - 4 échantillons

Loi initiale Uniforme - 5 échantillons

Loi initiale normale - 5 échantillons

Tout écart-type, évalué sur la base d’un prélèvement inférieur à 5
échantillons, n’a pas de niveau de confiance appréciable !
Coefficients sur écart-type retenus
Nb Mesures

Coefficient sur écart type

Incertitude (2s)

Incertitude (2s) en %

Coeff sur étendue

Incertitude(2s)

Incertitude (2s) en %

2

1,235

0,082

6,60%

1,146

0,075

6,58%

3

1,106

0,052

4,68%

1,718

0,077

4,47%

4

1,066

0,044

4,17%

2,066

0,074

3,58%

5

1,047

0,036

3,39%

2,302

0,095

4,13%

6

1,035

0,029

2,77%

2,479

0,138

5,57%

7

1,027

0,027

2,67%

2,616

0,195

7,46%

8

1,024

0,029

2,79%

2,719

0,242

8,90%

9

1,020

0,021

2,05%

2,809

0,304

10,83%

10

1,017

0,022

2,16%

2,881

0,350

12,16%

11

1,016

0,019

1,87%

2,942

0,399

13,55%

12

1,013

0,018

1,79%

3,001

0,447

14,89%

13

1,013

0,018

1,81%

3,046

0,485

15,92%

14

1,012

0,018

1,73%

3,088

0,527

17,06%

15

1,011

0,015

1,48%

3,127

0,568

18,16%

16

1,010

0,016

1,54%

3,161

0,603

19,07%

17

1,009

0,014

1,36%

3,194

0,641

20,08%

18

1,009

0,015

1,50%

3,219

0,666

20,70%

19

1,009

0,015

1,49%

3,245

0,698

21,51%

20

1,008

0,012

1,19%

3,272

0,733

22,41%

21

1,008

0,012

1,20%

3,292

0,760

23,08%

22

1,007

0,012

1,24%

3,315

0,788

23,77%

23

1,007

0,012

1,18%

3,333

0,809

24,27%

24

1,006

0,011

1,12%

3,352

0,836

24,94%

25

1,006

0,011

1,06%

3,368

0,859

25,51%

26

1,005

0,010

1,04%

3,388

0,885

26,13%

27

1,006

0,012

1,19%

3,400

0,901

26,50%

28

1,005

0,010

1,04%

3,418

0,929

27,19%

29

1,005

0,010

1,04%

3,431

0,949

27,67%

30

1,005

0,011

1,08%

3,444

0,963

27,98%
1 sur 16

Recommandé

Optimisation des bandes de garde, suivant norme ISO/IEC Guide 98-4 par
Optimisation des bandes de garde, suivant norme ISO/IEC Guide 98-4Optimisation des bandes de garde, suivant norme ISO/IEC Guide 98-4
Optimisation des bandes de garde, suivant norme ISO/IEC Guide 98-4Jean-Michel POU
2.1K vues21 diapositives
Explications sur le fascicule AFNOR FD X 07-014 par
Explications sur le fascicule AFNOR FD X 07-014Explications sur le fascicule AFNOR FD X 07-014
Explications sur le fascicule AFNOR FD X 07-014Jean-Michel POU
10.5K vues30 diapositives
Des mesures pour des décisions par
Des mesures pour des décisionsDes mesures pour des décisions
Des mesures pour des décisionsJean-Michel POU
1.6K vues31 diapositives
Stat3 Intervalle De Confiance par
Stat3  Intervalle De ConfianceStat3  Intervalle De Confiance
Stat3 Intervalle De ConfianceJean-Louis ESTRADE
8.6K vues38 diapositives
La métrologie dans les L.A.B.M : faire ou faire faire ? par
La métrologie dans les L.A.B.M : faire ou faire faire ?La métrologie dans les L.A.B.M : faire ou faire faire ?
La métrologie dans les L.A.B.M : faire ou faire faire ?Jean-Michel POU
1.6K vues13 diapositives
S3.echantillonnage estimation-s3 par
S3.echantillonnage estimation-s3S3.echantillonnage estimation-s3
S3.echantillonnage estimation-s3Jamal Yasser
5.1K vues14 diapositives

Contenu connexe

Tendances

Probabilité +echantillonage par
Probabilité +echantillonageProbabilité +echantillonage
Probabilité +echantillonageImad Cov
13.3K vues152 diapositives
exercices corrigés échantillonnage et estimation par
exercices corrigés échantillonnage et estimationexercices corrigés échantillonnage et estimation
exercices corrigés échantillonnage et estimationcours fsjes
38.8K vues20 diapositives
Le controle de qualite au laboratoire par
Le controle de qualite au laboratoireLe controle de qualite au laboratoire
Le controle de qualite au laboratoireS/Abdessemed
31.8K vues69 diapositives
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA) par
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)Adad Med Chérif
10.1K vues24 diapositives
Techniques de concentration en parasitologie par
Techniques de concentration en parasitologieTechniques de concentration en parasitologie
Techniques de concentration en parasitologieS/Abdessemed
13.1K vues57 diapositives
Métrologie source de profits par
Métrologie source de profitsMétrologie source de profits
Métrologie source de profitsJean-Michel POU
3.7K vues40 diapositives

Tendances(20)

Probabilité +echantillonage par Imad Cov
Probabilité +echantillonageProbabilité +echantillonage
Probabilité +echantillonage
Imad Cov13.3K vues
exercices corrigés échantillonnage et estimation par cours fsjes
exercices corrigés échantillonnage et estimationexercices corrigés échantillonnage et estimation
exercices corrigés échantillonnage et estimation
cours fsjes38.8K vues
Le controle de qualite au laboratoire par S/Abdessemed
Le controle de qualite au laboratoireLe controle de qualite au laboratoire
Le controle de qualite au laboratoire
S/Abdessemed31.8K vues
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA) par Adad Med Chérif
ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)ANOVA  à 1 facteur, Analyse de variance, (One-way ANOVA)
ANOVA à 1 facteur, Analyse de variance, (One-way ANOVA)
Adad Med Chérif10.1K vues
Techniques de concentration en parasitologie par S/Abdessemed
Techniques de concentration en parasitologieTechniques de concentration en parasitologie
Techniques de concentration en parasitologie
S/Abdessemed13.1K vues
Jeu defi hygiene restauration 2020 par CIPE
Jeu defi hygiene restauration 2020Jeu defi hygiene restauration 2020
Jeu defi hygiene restauration 2020
CIPE4.3K vues
Les TIC dans l'entreprise - 3- e-Business par mastertic
Les TIC dans l'entreprise - 3- e-BusinessLes TIC dans l'entreprise - 3- e-Business
Les TIC dans l'entreprise - 3- e-Business
mastertic6.1K vues
Guide technique d’accreditation Analyses microbiologiques des produits et env... par Marie Wyon
Guide technique d’accreditation Analyses microbiologiques des produits et env...Guide technique d’accreditation Analyses microbiologiques des produits et env...
Guide technique d’accreditation Analyses microbiologiques des produits et env...
Marie Wyon2.1K vues
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes... par Jean-Michel POU
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Pourquoi avons nous tant de mal à appréhender le concept d'incertitude de mes...
Jean-Michel POU2.4K vues
Pour une métrologie efficace et économique par Jean-Michel POU
Pour une métrologie efficace et économiquePour une métrologie efficace et économique
Pour une métrologie efficace et économique
Jean-Michel POU2.6K vues
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy... par Adad Med Chérif
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...
Analyse en composantes principales, ACP, sous SPSS (Principal Component Analy...
Adad Med Chérif25.6K vues
L’organisation et la formalisation du management des risques selon l’ISO 31000 par PECB
 L’organisation et la formalisation du management des risques selon l’ISO 31000  L’organisation et la formalisation du management des risques selon l’ISO 31000
L’organisation et la formalisation du management des risques selon l’ISO 31000
PECB 3K vues
Maladies bacteriennes transmises par les aliments par sallmama
Maladies bacteriennes transmises par les alimentsMaladies bacteriennes transmises par les aliments
Maladies bacteriennes transmises par les aliments
sallmama18.4K vues

Similaire à Ecart type experimental : quelle formule choisir ?

Loic sarton (2) par
Loic sarton (2)Loic sarton (2)
Loic sarton (2)Loic Sarton
572 vues5 diapositives
Stat6 Chideux par
Stat6   ChideuxStat6   Chideux
Stat6 ChideuxJean-Louis ESTRADE
1.9K vues27 diapositives
Echantillon par
EchantillonEchantillon
EchantillonKaiogan
5.2K vues21 diapositives
Approche GUM par
Approche GUMApproche GUM
Approche GUMchris5712
3.8K vues13 diapositives
Ajustement des données à la Distribution Logistique Multivariée par
Ajustement des données à la Distribution Logistique MultivariéeAjustement des données à la Distribution Logistique Multivariée
Ajustement des données à la Distribution Logistique MultivariéeMohamed El Merouani
5.5K vues27 diapositives
Métrologie : Jusqu'où ne pas aller trop loin ? par
Métrologie : Jusqu'où ne pas aller trop loin ?Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?Jean-Michel POU
1.6K vues31 diapositives

Similaire à Ecart type experimental : quelle formule choisir ?(20)

Echantillon par Kaiogan
EchantillonEchantillon
Echantillon
Kaiogan5.2K vues
Approche GUM par chris5712
Approche GUMApproche GUM
Approche GUM
chris57123.8K vues
Ajustement des données à la Distribution Logistique Multivariée par Mohamed El Merouani
Ajustement des données à la Distribution Logistique MultivariéeAjustement des données à la Distribution Logistique Multivariée
Ajustement des données à la Distribution Logistique Multivariée
Métrologie : Jusqu'où ne pas aller trop loin ? par Jean-Michel POU
Métrologie : Jusqu'où ne pas aller trop loin ?Métrologie : Jusqu'où ne pas aller trop loin ?
Métrologie : Jusqu'où ne pas aller trop loin ?
Jean-Michel POU1.6K vues
TESTS D’HYPOTHESES.pdf par RdaAllouche
TESTS D’HYPOTHESES.pdfTESTS D’HYPOTHESES.pdf
TESTS D’HYPOTHESES.pdf
RdaAllouche106 vues
Les relations statistiques échantillon-population.pdf par isen4Comptabilite
Les relations statistiques échantillon-population.pdfLes relations statistiques échantillon-population.pdf
Les relations statistiques échantillon-population.pdf
La biométrie_étude de la variation des caractèr_231021_115212.pdf par AbdennourAmrani
La biométrie_étude de la variation des caractèr_231021_115212.pdfLa biométrie_étude de la variation des caractèr_231021_115212.pdf
La biométrie_étude de la variation des caractèr_231021_115212.pdf
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2... par Jean-Michel POU
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...
Exemple de Smart Metrology dans un laboratoire d'étalonnage (Conférence CIM 2...
Jean-Michel POU1K vues
L’apport des techniques statistiques dans les projets Lean 6 Sigma par XL Formation
L’apport des techniques statistiques dans les projets Lean 6 SigmaL’apport des techniques statistiques dans les projets Lean 6 Sigma
L’apport des techniques statistiques dans les projets Lean 6 Sigma
XL Formation2.9K vues
Ch6 Introduction à la Science de Données.pdf par nesrinetaamallah
Ch6 Introduction à la Science de Données.pdfCh6 Introduction à la Science de Données.pdf
Ch6 Introduction à la Science de Données.pdf

Plus de Jean-Michel POU

Comment analyser des données multivariées pour suivre une production par
Comment analyser des données multivariées pour suivre une productionComment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une productionJean-Michel POU
181 vues19 diapositives
Conformité multidimensionnelle par
Conformité multidimensionnelleConformité multidimensionnelle
Conformité multidimensionnelleJean-Michel POU
541 vues14 diapositives
Evaluate and quantify the drift of a measuring par
Evaluate and quantify the drift of a measuringEvaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuringJean-Michel POU
1.5K vues16 diapositives
Annexe D du FD X 07-039 par
Annexe D du FD X 07-039Annexe D du FD X 07-039
Annexe D du FD X 07-039Jean-Michel POU
1.2K vues25 diapositives
Révolution copernicienne pour la métrologie par
Révolution copernicienne pour la métrologieRévolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologieJean-Michel POU
305 vues19 diapositives
Digitalisation des entreprises : pour faire quoi, et quand ? par
Digitalisation des entreprises : pour faire quoi, et quand ?Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?Jean-Michel POU
332 vues23 diapositives

Plus de Jean-Michel POU(17)

Comment analyser des données multivariées pour suivre une production par Jean-Michel POU
Comment analyser des données multivariées pour suivre une productionComment analyser des données multivariées pour suivre une production
Comment analyser des données multivariées pour suivre une production
Jean-Michel POU181 vues
Evaluate and quantify the drift of a measuring par Jean-Michel POU
Evaluate and quantify the drift of a measuringEvaluate and quantify the drift of a measuring
Evaluate and quantify the drift of a measuring
Jean-Michel POU1.5K vues
Révolution copernicienne pour la métrologie par Jean-Michel POU
Révolution copernicienne pour la métrologieRévolution copernicienne pour la métrologie
Révolution copernicienne pour la métrologie
Jean-Michel POU305 vues
Digitalisation des entreprises : pour faire quoi, et quand ? par Jean-Michel POU
Digitalisation des entreprises : pour faire quoi, et quand ?Digitalisation des entreprises : pour faire quoi, et quand ?
Digitalisation des entreprises : pour faire quoi, et quand ?
Jean-Michel POU332 vues
Congrès International de Métrologie - Paris 2017 par Jean-Michel POU
Congrès International de Métrologie - Paris 2017Congrès International de Métrologie - Paris 2017
Congrès International de Métrologie - Paris 2017
Jean-Michel POU595 vues
Pourquoi le concept de capabilité est insuffisant par Jean-Michel POU
Pourquoi le concept de capabilité est insuffisantPourquoi le concept de capabilité est insuffisant
Pourquoi le concept de capabilité est insuffisant
Jean-Michel POU961 vues
Photos caravane région auvergne rhône alpes par Jean-Michel POU
Photos caravane région auvergne rhône alpesPhotos caravane région auvergne rhône alpes
Photos caravane région auvergne rhône alpes
Jean-Michel POU348 vues
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd par Jean-Michel POU
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-FdPrésentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Présentation de la Smart Metrology - 9 Juin 2016 - Clermont-Fd
Jean-Michel POU1.2K vues
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i... par Jean-Michel POU
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Inférence bayésienne : Une approche enthousiasmante pour l'exploitation des i...
Jean-Michel POU713 vues
La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc... par Jean-Michel POU
La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...
La métrologie n'est pas ce que vous croyez, elle peut vous faire gagner beauc...
Jean-Michel POU1.6K vues
Quelques exemples de calcul d'incertitudes (GUM et GUMS1) par Jean-Michel POU
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)Quelques exemples de calcul d'incertitudes (GUM et GUMS1)
Quelques exemples de calcul d'incertitudes (GUM et GUMS1)
Jean-Michel POU6.7K vues
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité... par Jean-Michel POU
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Logiciel de gestion de parcs d'instruments de mesure : Quelles fonctionnalité...
Jean-Michel POU2.2K vues

Ecart type experimental : quelle formule choisir ?

  • 1. ECART-TYPE EXPERIMENTAL : QUELLE FORMULE CHOISIR ? Jean-Michel POU : Dirigeant Fondateur de la société DELTA MU Conseil Président du G.I.E QUANTUM METWORK
  • 2. QUELLE FORMULE CHOISIR ? Cet exposé a 2 objectifs : 1. Répondre à la question initiale concernant la façon de calculer un écart type expérimental à partir d’un échantillon de valeurs. 2. Montrer les perspectives que présentent l’utilisation de la simulation numérique.
  • 3. QUELLE FORMULE CHOISIR ? Dans le cas des évaluations d’incertitudes dites de « type A », la qualité de l’estimateur d’écarttype dépend du nombre d’échantillons (de mesures) utilisés. La littérature présente différentes approches dans le cas des faibles échantillonnages. Certaines méthodes proposent de multiplier l’écart type calculé suivant la formule générale par un correcteur, d’autres de diviser l’étendue du prélèvement par un scalaire.
  • 4. QUELLE FORMULE CHOISIR ? La norme NF X 06-072 travaille en appliquant un correcteur à l’écart type théorique. Les coefficients, qui dépendent du nombre d’échantillons, sont les suivants : Nb d ’échantillons 2 3 4 5 6 7 1,254 1,128 1,085 1,063 1,05 1,043 8 9 10 11 12 13 14 1,036 1,031 1,028 1,025 1,023 1,02 1,02 Correcteur
  • 5. QUELLE FORMULE CHOISIR ? La norme NF ENV ISO 14253-2 travaille elle aussi en appliquant un correcteur à l’écart type théorique. Les coefficients, différents des précédents, dépendent également du nombre d’échantillons : Nb d’échantillons 2 3 4 5 6 7 8 9 Correcteur 7 2,3 1,7 1,4 1,3 1,3 1,2 1,2
  • 6. QUELLE FORMULE CHOISIR ? La norme FD X 07-021 propose de diviser l’étendue d’un prélèvement par un scalaire, lui aussi en fonction du nombre d’échantillons prélevés : Nb d’échantillons 2 3 4 5 6 1,128 1,693 2,059 2,326 2,534 7 8 9 10 11 12 2,704 2,847 2,97 3,078 3,173 3,258 Diviseur
  • 7. QUELLE FORMULE CHOISIR ? Le M.S.A (Measurement System Analysis) propose également de diviser l’étendue d’un prélèvement par un scalaire, fonction évidemment du nombre d’échantillons prélevés : Nb d’échantillons Diviseur 2 1,41421 6 7 2,67253 3 1,91155 8 4 2,23887 9 5 2,48124 10 16 3,61071 3,07794 3,17905 13 14 15 3,35016 3,42378 3,49116 3,55333 17 3,26909 2,96288 12 11 2,82981 18 19 20 3,66422 3,71424 3,76118 3,80537
  • 8. QUELLE FORMULE CHOISIR ? Chaque méthode propose des solutions différentes qui conduisent, évidemment, à des estimateurs différents. La simulation numérique permet de définir l’approche la plus cohérente. La méthode proposée s’appuie sur la simulation numérique. A partir d’une population importante déterminée (plus de 100 000 éléments), on réalise des prélèvements, de 2 à 50 éléments, puis on compare l’écart type du prélèvement à l’écart type théorique déterminé à partir de toute la population. On recherche également la relation entre l’étendue du prélèvement et l’écart type de la distribution totale. Afin d’évaluer l’incertitude sur l’écart type, on prélève n fois 2 éléments, n fois 3 éléments, …, n fois 50 éléments puis on calcule l’écart type moyen et l’écart type de l’écart type pour chaque type de prélèvements (2, 3, … 50 éléments) et pour chaque formule. On fait de même concernant l’approche par rapport à l’étendue.
  • 9. QUELLE FORMULE CHOISIR ? La pertinence des résultats obtenus est directement liée à la qualité du simulateur numérique utilisé. Quatre lois sont utilisées (Uniforme, normale, dérivée d’arc sinus et triangle isocèle). Le simulateur utilisé donne, pour 10 000 tirages, les résultats suivants : Loi Uniforme Loi Triangle isocèle Loi Dérivée d'arc sinus Loi normale
  • 10. QUELLE FORMULE CHOISIR ? La simulation numérique montre que toutes les approches proposées donnent des résultats différents, la plus éloignées de la réalité étant l’approche suivant la norme NF ENV ISO 14 2532 (Cf actes du congrès 2003). La simulation numérique permet de redéfinir des coefficients et de leur associer une incertitude.
  • 11. La correction de l’écart-type expérimental est-elle fonction de la valeur de l’écart type ? En réalisant n (500) prélèvements dans des distributions d’écart types théoriques variant de 0,01 à 100, il est possible de vérifier si l’écart type expérimental est influencé par l’écart type théorique : Toutes lois confondues - 3 échantillons Toutes lois confondues - 2 échantillons 1,6 1,2 y = 6E-05x + 1,2344 y = -7E-05x + 1,107 1,15 1,4 1,1 1,2 1,05 1 1 0 20 40 60 80 100 0 120 20 40 60 80 100 120 Toutes lois confondues - 5 mesures Toutes lois confondus - 4 échantillons 1,12 1,16 1,14 1,12 1,1 1,08 y = 9E-05x + 1,0642 y = 6E-06x + 1,0469 1,1 1,08 1,06 1,06 1,04 1,04 1,02 1,02 1 1 0 20 40 60 80 100 120 0 20 40 60 80 100 Les graphes ci-dessus montrent que la correction n’est pas fonction de la valeur de l’écart type lui-même 120
  • 12. La correction de l’écart-type expérimental est-elle fonction de la loi de distribution initiale ? L’analyse du rapport entre l’écart type expérimental et l’écart type théorique d’une part, l’étendue du prélèvement et l’écart type théorique d’autre part, en fonction du nombre d’échantillons montre : E cart ty pe théorique / Ecart type expérim ental E tendue du prélèvem ent / E cart type théorique 1,3 5 Dérivée d'arc sinus Norm ale 1,25 4,5 Unif orm e Triangle 4 1,2 3,5 1,15 3 1,1 2,5 1,05 2 Dérivée d'arcsinus 1,5 1 Normale 1 Unif orm e 0,95 Triangle 0,5 0,9 0 10 20 30 40 50 60 0 0 1 0 20 30 40 50 60 Le rapport n’est pas indépendant de la loi initiale, dans les deux cas ! Néanmoins, et puisqu’il n’est pas possible, au préalable, de connaître la loi de distribution initiale dans le cas d’une expérimentation, la moyenne des résultats obtenus, pour toutes les lois initiales, sera retenue.
  • 13. Dispersion des coefficients ? Chaque simulation réalisée conduit à une rapport entre écart type expérimental et écart type théorique d’une part, étendue et écart type théorique d’autre part. n simulations donnent n rapports … on s’attachera à observer le rapport et l’écart type sur le rapport, écart type résultant des n simulations : Rapport et incertitude sur le rapport (en fonction de l'écart type) Rapport et incertitude sur le rapport (en fonction de l'étendue) 1,3500 0,0450 Coef f icient sur écart type 1,3000 6,0000 0,700 0,0400 ÉcartTypeDeNouveau Coef f 1,2500 0,0350 1,2000 0,0300 1,1500 0,600 5,0000 0,0250 0,500 4,0000 0,400 3,0000 1,1000 0,0200 1,0500 0,0150 1,0000 0,0100 0,9500 0,0050 0,300 2,0000 0,200 1,0000 0,9000 0,0000 0 10 20 30 40 50 60 0,100 Coeff sur étendue ÉcartTypeDeNouveau Coeff Etendue 0,0000 0,000 0 10 20 30 40 50 60 La simulation numérique montre que l’incertitude sur le rapport est nettement plus grande lorsqu’on travaille sur les étendues plutôt que sur les écart types. Pour les faibles échantillonnages, l’incertitude semble néanmoins plus petite !
  • 14. Incertitude globale sur les écart-types corrigés Lorsqu’on travaille sur les écart types, la formule s’écrit : sCor = Sexp x Coeff. L’incertitude sur scor, par application de la loi de propagation, s’écrit : u² sCor = (dsCor/dsexp) x u²sexp + (dsCor/dCoeff) x u²Coeff Lorsqu’on travaille sur les étendues, la formule s’écrit : sCor = Etendue / Coeff. L’incertitude sur scor, par application de la loi de propagation, s’écrit : u² sCor = (dsCor/dEtendue) x u²Etendue + (dsCor/dCoeff) x u²Coeff L’applicatrion numérique montre, en fonction du nombre d’échantillons : A partir de l'éc art type ex périmental En f onction de l'étendue 160,00% 250,00% Incertitude % (2 mesures) 140,00% Inc ertitude % (2 mes ures ) Inc ertitude % (3 mes ures ) 120,00% Incertitude % (3 mesures) 200,00% Incertitude % (4 mesures) Inc ertitude % (4 mes ures ) Inc ertitude % (5 mes ures ) 100,00% Incertitude % (5 mesures) 150,00% Incertitude % (10 mesures) Inc ertitude % (10 mesures) 80,00% Inc ertitude % (15 mesures) Inc ertitude % (20 mesures) 60,00% Incertitude % (15 mesures) Incertitude % (20 mesures) 100,00% Inc ertitude % (30 mesures) Incertitude % (30 mesures) Inc ertitude % (40 mesures) 40,00% Inc ertitude % (50 mesures) Incertitude % (40 mesures) 50,00% Incertitude % (50 mesures) 20,00% 0,00% 0,00% 0 20 40 60 80 100 120 0 20 40 60 80 100 120 L’incertitude globale sur l’écart type corrigé, calculée à partir des résultats obtenus par simulation numérique ( usexp, uCoeff et uEtendue) montre que l’approche à partir de l’étendue conduit à une incertitude sur l’écart type corrigé nettement supérieure à celle obtenue à partir de l’écart type expérimental
  • 15. Distribution des écart-types expérimentaux La distribution des écart-types expérimentaux, en fonction du nombre d’échantillons et de la loi initiale, prend les allures suivantes : Loi initale normale - 2 échantillons Loi initiale normale - 3 échantillons Loi initale normale - 4 échantillons Loi initiale Dérivée d'Arc Sinus - 2 échantillons Loi initiale Dérivée d'Arc Sinus - 3 échantillons Loi initiale Dérivée d'Arc Sinus - 4 échantillons Loi initiale Dérivée d'Arc Sinus - 5 échantillons Loi initiale Uniforme - 2 échantillons Loi initiale unif orme - 3 échantillons Loi initiale Uniforme - 4 échantillons Loi initiale Uniforme - 5 échantillons Loi initiale normale - 5 échantillons Tout écart-type, évalué sur la base d’un prélèvement inférieur à 5 échantillons, n’a pas de niveau de confiance appréciable !
  • 16. Coefficients sur écart-type retenus Nb Mesures Coefficient sur écart type Incertitude (2s) Incertitude (2s) en % Coeff sur étendue Incertitude(2s) Incertitude (2s) en % 2 1,235 0,082 6,60% 1,146 0,075 6,58% 3 1,106 0,052 4,68% 1,718 0,077 4,47% 4 1,066 0,044 4,17% 2,066 0,074 3,58% 5 1,047 0,036 3,39% 2,302 0,095 4,13% 6 1,035 0,029 2,77% 2,479 0,138 5,57% 7 1,027 0,027 2,67% 2,616 0,195 7,46% 8 1,024 0,029 2,79% 2,719 0,242 8,90% 9 1,020 0,021 2,05% 2,809 0,304 10,83% 10 1,017 0,022 2,16% 2,881 0,350 12,16% 11 1,016 0,019 1,87% 2,942 0,399 13,55% 12 1,013 0,018 1,79% 3,001 0,447 14,89% 13 1,013 0,018 1,81% 3,046 0,485 15,92% 14 1,012 0,018 1,73% 3,088 0,527 17,06% 15 1,011 0,015 1,48% 3,127 0,568 18,16% 16 1,010 0,016 1,54% 3,161 0,603 19,07% 17 1,009 0,014 1,36% 3,194 0,641 20,08% 18 1,009 0,015 1,50% 3,219 0,666 20,70% 19 1,009 0,015 1,49% 3,245 0,698 21,51% 20 1,008 0,012 1,19% 3,272 0,733 22,41% 21 1,008 0,012 1,20% 3,292 0,760 23,08% 22 1,007 0,012 1,24% 3,315 0,788 23,77% 23 1,007 0,012 1,18% 3,333 0,809 24,27% 24 1,006 0,011 1,12% 3,352 0,836 24,94% 25 1,006 0,011 1,06% 3,368 0,859 25,51% 26 1,005 0,010 1,04% 3,388 0,885 26,13% 27 1,006 0,012 1,19% 3,400 0,901 26,50% 28 1,005 0,010 1,04% 3,418 0,929 27,19% 29 1,005 0,010 1,04% 3,431 0,949 27,67% 30 1,005 0,011 1,08% 3,444 0,963 27,98%