Calcul d erreur, dispersion des resultats, metrologie

[Pter22]

Bonjour,

je voudrais vous demander votre aide pour calculer une erreur. Je souhaite realiser une mesure qui est couteuse et je ne peux pas realiser de nombreux essais. Je voudrais verifier que ma methode est bonne.

Je vais donc commencer par realiser un test de repetabilite et realiser 10 mesures dans les memes conditions. J aimerais me servir de cet essai pour calculer l erreur de mes futurs mesures (ou je ne ferais que 1 a 2 essais).

Donc de ces 10 essais je peux calculer l ecart type (EC).
Et ensuite, j utilise la table de Student pour mes futurs mesures, par exemple a 99%, pour 2 essais, 2,920 * EC = t

Et ensuite j utilise la formule pour l interval de confiance donnee ici:
https://fr.wikipedia.org/wiki/Loi_de_Student
en calculant S et n.

Est ce correcte ? Et si non, comment puis je faire pour calculer une erreur sur mes prochaines mesures, ou je n en ferais que 1 ou 2 en utilisant mon essai de repetabilite ?

Merci beaucoup
-----

[LPFR]

Bonjour.
Qu’est ce que vous mesurez et comment ?
Est-ce que votre échantillon est Gaussien ?
Est-ce que les écarts entre vos mesures sont dus au hasard ?
Car, si ce n’est pas le cas, les écarts types, le test de Student et le reste ne sont pas utilisables.
Au revoir.

[Pter22]

Bonjour,
Le test est un peu complique a expliquer mais pour faire une analogie ca serait comme envoyer une balle sur une surface avec une force donnee (et mesuree) et mesurer la distance parcourue par la balle.
La force imposee ne change pas mais elle meme peut avoir une erreur. Dans les essais suivants la surface est modifiee pour voir comment cette distance est affectee.

Je ne sais pas si c est gaussien, et de nombreux parametres affectent le resultat.

[Pter22]

Help? Quelqu un peut it m aider ?

[A voir en vidéo sur Futura]

[LPFR]

Bonjour.
Comment voulez-vous que l’on vous donne un avis sur une manip inconnue ?
Les erreurs statistiques calculées avec un certain type de mesures ne sont pas applicables qu’à ce type de mesures et non à un autre type.
Au revoir.

[XK150]

Bonjour ,

Et même en essayant de comprendre : pourquoi la distance mesurée changerait avec la surface modifiée ??
A moins de déplacer la surface , je ne vois pas comment cela est possible ...
Idem si la force change , sauf si la balle n'atteint plus la surface ...

[Pter22]

La friction va affecter le deplacement de la balle.

Bref, c est juste un exemple, ce n est pas tant en rapport avec le type d essai ou l experience que la methodologie.

C est la methodologie qui m interesse.



En gros, quelque soit l essai, la mesure ou l experience.
Voici le probleme:

Comment puis je me servir d une serie d essais de repetabilite (essais faits dans les memes conditions) pour lesquels je mesure une variable (et donc la dispersion des mesures) pour pouvoir definir le nombre d essai minimums necessaires pour garantir une erreur maximale pour cette meme variable lors de futurs essais faits dans de differentes conditions ?

[LPFR]

Bonjour.
La dispersion des résultats dépend de tous les éléments qui participent à la mesure.
Si vous mesurez les écarts des fléchettes lancées par une machine sur une cible, ces écarts seront probablement reproductibles. Mais non si vous changez quoi que ce soit : la distance, la hauteur, la machine, la couleur des fléchettes, la température, etc.

Et de toutes façons vous n’obtiendrez l’erreur maximale, mais l’erreur probable (ce qui n’a rien à voir). Vous avez toujours une chance non nulle qu’une valeur tombe en dehors de l’écart type.
Au revoir.

[Pter22]

Oui je comprends,


Mais d un point de vu pratique j ai besoin de savoir combien d essais minimum je dois faire pour avoir un resultat convenable, tout en faisant le minimum d essais. Et cela avant de faire les essais.

C est la qu est mon probleme. Donc comment puis je faire?

Merci

[LPFR]

Re.
Je pense qu’avec un millier de mesures on peut s’assurer que l’intégrale des résultats donne bien la fonction erreur.

Je vous rappelle que tous ces statistiques sont basses sur l’approximation de la de formule de Stirling.
Regardez les valeurs à la fin de cette page : https://fr.wikipedia.org/wiki/Formule_de_Stirling
Ce sont des valeurs pour la formule complète. Bien des résultats sont obtenus avec l’approximation plus grossière ln(n!) ≈ n.ln(n) – n

Tout ça, à condition que votre échantillon soit Gaussien.
A+