Traiter une série de mesures
Traiter une série de mesures
Environ 35 minutes
- Organiser des données
- Calculer moyenne et dispersion
- Discuter un modèle et la qualité du résultat
Une moyenne calculée sans erreur peut-elle conduire à une mauvaise conclusion ?
Oui, si les données ne décrivent pas le même mesurande, si des cellules sont ignorées ou si le modèle est inadéquat. Le traitement numérique relie organisation des données, statistiques, représentation et discussion scientifique ; chaque étape doit pouvoir être expliquée.
Préparer des données exploitables
Avant de calculer une moyenne, définis ce que représentent les lignes du tableau. Des répétitions du même mesurande dans des conditions comparables ne sont pas équivalentes à une suite de températures pendant un refroidissement. Dans le premier cas, la moyenne peut estimer une valeur stable ; dans le second, elle peut masquer l’évolution recherchée. La question scientifique détermine donc le traitement, et non l’inverse.
Organise les données en colonnes nommées avec leurs unités : numéro ou instant, valeur mesurée, réglage éventuel et observation utile. Conserve la précision des valeurs brutes. Les cellules contenant des nombres doivent rester numériques : un texte comme « 10 mL » peut être ignoré par certaines fonctions. Place l’unité dans l’en-tête et vérifie les séparateurs décimaux à l’importation. Une colonne mal reconnue peut produire un résultat plausible mais incomplet.
Une valeur absente n’est pas un zéro. Un zéro observé est une mesure qui signifie quelque chose ; une cellule vide signale une information manquante. Ne remplace pas l’une par l’autre sans justification. Vérifie également que chaque ligne correspond à une mesure indépendante : copier cinq fois la même lecture dans le tableau ne crée pas cinq observations. Conserve un fichier brut et effectue les corrections documentées dans une copie.
Vocabulaire
- Donnée brute :
- Valeur enregistrée avant correction ou transformation, accompagnée de son contexte.
- Répétabilité :
- Conditions de mesure maintenues aussi constantes que possible pour observer la dispersion.
- Résidu :
- Différence entre une valeur observée et celle prévue par un modèle.
- Valeur de référence :
- Valeur utilisée pour la comparaison, avec son origine et son incertitude éventuelle.
Décrire une série répétée
Pour N mesures xᵢ de la même grandeur, la moyenne x̄ est la somme des valeurs divisée par N. Elle conserve l’unité de la grandeur. Elle ne doit pas être confondue avec la médiane, qui partage la série ordonnée en deux parties. La moyenne utilise toutes les valeurs et peut être sensible à une valeur très éloignée ; la médiane peut aider à examiner la série mais ne remplace pas automatiquement l’estimateur demandé.
L’écart-type expérimental s décrit la dispersion des valeurs autour de la moyenne. On utilise ici s = √[Σ(xᵢ − x̄)²/(N − 1)] pour N supérieur à 1. Certains logiciels proposent aussi un écart-type avec N au dénominateur : les résultats diffèrent. Dans un tableur ou un programme, vérifie la définition de la fonction, puis contrôle un petit jeu de données à la main. Le nom d’un bouton ne suffit pas à connaître la convention.
Si les mesures sont indépendantes et réalisées dans des conditions comparables, l’incertitude-type de type A de la moyenne est estimée par uₐ(x̄) = s/√N. Cette expression ne prend en compte que la dispersion étudiée. Elle ne supprime pas l’incertitude de la référence ou un défaut de réglage commun à toutes les lectures. Présenter le résultat demande donc de préciser ce qui a été évalué et ce qui reste à considérer.
Exemple résolu
Cinq mesures indépendantes d’un volume donnent 9,8 ; 10,1 ; 10,0 ; 9,9 ; 10,2 mL. Calcule la moyenne, s et l’incertitude-type de la moyenne due à la dispersion.
- Étape 1 : La somme vaut 50,0 mL, donc x̄ = 50,0/5 = 10,0 mL.
- Étape 2 : Les écarts à la moyenne valent −0,2 ; 0,1 ; 0 ; −0,1 ; 0,2 mL. La somme des carrés vaut 0,10 mL².
- Étape 3 : On obtient s = √(0,10/4) ≈ 0,158 mL, puis uₐ = 0,158/√5 ≈ 0,071 mL.
Résultat : Pour cette seule contribution, on peut écrire x̄ = 10,00 mL et uₐ(x̄) = 0,07 mL après arrondi cohérent.
Piège à éviter : Utiliser N au lieu de N − 1 dans s change l’estimation expérimentale choisie.
À toi d'essayer
Une série de 16 mesures indépendantes donne un écart-type expérimental de 0,24 V. Quelle est l’incertitude-type de la moyenne due à cette dispersion ?
Voir la réponseMasquer la réponse
uₐ = 0,24/√16 = 0,060 V. Ce nombre concerne la moyenne et la dispersion étudiée, pas toutes les sources d’incertitude de la chaîne.
Représenter et discuter un modèle
Le graphique doit correspondre au type de données. Un nuage de points convient pour étudier la relation entre deux grandeurs quantitatives ; un histogramme montre la répartition d’une série dans des intervalles. Dans un histogramme, précise les bornes des classes et la règle d’inclusion des valeurs situées aux frontières. Le choix de classes trop larges masque une structure, tandis que des classes trop fines peuvent donner une impression artificielle de désordre.
Quand on propose y = ax + b, a porte l’unité de y divisée par celle de x, et b celle de y. Une régression ajuste des paramètres selon un critère mathématique, mais ne prouve pas que la relation est une loi physique. Il faut comparer le modèle aux points, à leurs incertitudes, au domaine étudié et à ce que l’on sait du phénomène. Une droite ne doit pas être imposée uniquement parce qu’elle est facile à tracer.
Le résidu rᵢ = yᵢ − ymodèle(xᵢ) permet d’étudier ce que le modèle laisse inexpliqué. Des résidus présentant une courbure peuvent signaler un modèle inadéquat, un biais ou une grandeur d’influence négligée. Ce signal conduit à une enquête ; il ne permet pas à lui seul de choisir une nouvelle loi. L’amplitude des résidus doit aussi être comparée à la variabilité des mesures : un petit motif peut ne pas être significatif.
Exemple résolu
Un modèle propose y = 2x + 1. Pour x = 0 ; 1 ; 2 ; 3 ; 4, on observe y = 1 ; 2,4 ; 4,2 ; 6,4 ; 9. Calcule les résidus et discute le modèle.
- Étape 1 : Les valeurs prévues sont 1 ; 3 ; 5 ; 7 ; 9.
- Étape 2 : Les différences observation moins modèle sont 0 ; −0,6 ; −0,8 ; −0,6 ; 0.
- Étape 3 : Les écarts centraux sont tous négatifs et dessinent une courbure ; ils ne sont pas un simple décalage constant.
Résultat : Il faut examiner une courbure ou un effet expérimental et comparer les écarts aux incertitudes avant de retenir la droite.
Piège à éviter : Un accord aux deux extrémités ne garantit pas l’accord entre elles.
À toi d'essayer
Un ajustement donne une concentration calculée de 12 unités alors que les références utilisées pour l’étalonnage couvrent 0 à 8 unités. Peut-on considérer ce résultat validé par le seul bon alignement des références ?
Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.
Comparer, rechercher une anomalie et conclure
Une série très peu dispersée peut être éloignée d’une référence. La fidélité concerne la proximité des résultats répétés ; la justesse concerne un biais par rapport à une référence appropriée. Ces deux qualités sont distinctes. Une moyenne obtenue avec beaucoup de répétitions ne devient pas automatiquement proche de la référence : répéter un instrument mal réglé reproduit son décalage.
Si la référence est considérée d’incertitude négligeable dans l’exercice, on peut comparer l’écart absolu à l’incertitude-type de la mesure au moyen du rapport |x − xref|/u(x). On suit le critère de compatibilité fourni, sans transformer un seuil en preuve d’égalité exacte. Si l’incertitude de la référence est importante, elle doit entrer dans la comparaison selon le modèle et les informations disponibles.
Exemple résolu
Un résultat vaut 10,00 mL avec une incertitude-type de 0,10 mL. Une référence d’incertitude négligeable vaut 10,30 mL. Le critère fourni considère un écart supérieur à deux incertitudes-types comme un signal à examiner. Que conclus-tu ?
- Étape 1 : L’écart absolu vaut |10,00 − 10,30| = 0,30 mL.
- Étape 2 : Le rapport vaut 0,30/0,10 = 3.
- Étape 3 : Trois dépasse le seuil de deux fixé dans l’énoncé : on cherche un biais, une condition non respectée ou une incertitude sous-estimée.
Résultat : Le résultat n’est pas compatible selon ce critère ; il faut examiner la démarche, sans remplacer la mesure par la référence.
Piège à éviter : Écrire que l’appareil est forcément défectueux serait une conclusion plus forte que les données.
À toi d'essayer
Un fichier contient vingt mesures identiques à 5,0 V. Un élève conclut que l’incertitude est nulle. Donne deux explications possibles et une vérification utile.
Correction détaillée pas à pasDans ce chapitre : 2 corrections détaillées.
Rendre le traitement vérifiable
Un traitement numérique doit être reproductible à partir des données brutes. Note la plage de cellules utilisée, le nombre de valeurs retenues, la fonction statistique et les éventuelles exclusions. Ne supprime une valeur que pour une cause identifiée et documentée, ou selon une procédure justifiée donnée dans l’étude. Une valeur gênante n’est pas automatiquement fausse. Présenter les résultats avec et sans une valeur suspecte peut aider à mesurer son influence.
Au bac : exploiter une série de mesures
- Définis le mesurande et distingue répétitions, évolution temporelle et étalonnage.
- Contrôle unités, valeurs absentes et nombre de lignes réellement utilisées. Calcule moyenne et dispersion avec la convention annoncée.
- Choisis une représentation lisible, indique les axes et examine les écarts au modèle.
- Exprime un résultat avec une incertitude identifiée et une conclusion bornée au domaine étudié.
Erreurs fréquentes : remplacer une donnée absente par zéro ; arrondir avant les calculs ; confondre s et s/√N ; supprimer une valeur parce qu’elle dérange ; déclarer un modèle vrai sur le seul aspect du graphique.
Bilan
| Outil | Rôle |
|---|---|
| Moyenne | Estimer le centre d’une série répétée. |
| Écart-type | Décrire sa dispersion. |
| Résidus | Examiner les écarts au modèle. |
| Comparaison à la référence | Évaluer la cohérence du résultat dans un cadre explicite. |
S’entraîner
Poursuis ton travail dans l’espace S’entraîner du site. Pour consolider ce chapitre, essaie de justifier chaque réponse avant de consulter sa correction.
À retenir
- La moyenne et l’écart-type répondent à des questions différentes.
- Pour des répétitions indépendantes, uₐ(x̄) = s/√N estime la contribution de la dispersion à la moyenne.
- Le résidu est l’observation diminuée de la prévision du modèle.
- Une faible dispersion ne prouve pas l’absence de biais.
Fiche de révision
Commence par le sens des lignes et les unités avant d’utiliser une fonction de tableur.
Vérifie la convention de l’écart-type sur un exemple calculable à la main.
Regarde la forme des résidus, pas seulement l’allure générale du nuage.
Garde une trace des données exclues et explique ce qui limite ta conclusion.
Et maintenant ?
Tu as lu le cours. L’étape suivante tient en une action.
Relis le coursReprends l’essentiel avant de passer à la suite.Prolonge l’expérience !
Continue à explorer ce chapitre à travers de nouvelles activités, des défis et des expériences interactives. Avec Premium, l’apprentissage continue !
Ici, tu débloques aussi 2 corrections détaillées.
Parent ? Suivez les progrès de votre enfant.
