Escolar Documentos
Profissional Documentos
Cultura Documentos
Dans le programme de mathématiques BTS Chimiste, trois modèles a priori sont étudiés.
1) y = µ (modèle simple)
2) y = α x + β (modèle affine – droite des moindres carrés)
3) y = α0 + α1 x1 + α2 x2 + α12 x1x2 (modèle polynomial du premier degré – plans d’expérience)
Rappelons que seule la variable y est à étudier ou à expliquer, les valeurs de la variable x ou des
variables x1 , x2 , x12 sont données (variables explicatives).
Remarque : dans un souci de clarté, les lettres grecques désignent les paramètres inconnus.
Partie A Les degrés de liberté ou ddl
r
Etape 1 : Un point O et un vecteur unitaire i
r r
Etape 2 : Un point O et deux vecteurs unitaires ( i ; j ) non colinéaires ie le repère d’un plan
1) L’ensemble des points M de coordonnées (x1 ; x2) est un plan. Soit un ensemble de dimension 2
Un point M1(x1) d’une droite, donc de dimension 1 « plus » * un point M2(x2) d’une autre droite
« indépendante » de la première de dimension 1 également, définissent un point M (x1 ; x2) unique du
plan de dimension 2 et réciproquement, d’où l’intérêt de la formule synoptique :
1+1=2
* c’est une addition vectorielle
1
L’espace, le plan, la droite, le point, et … pourquoi pas l’ensemble vide, logiquement de dimension -1
Synoptique 1+1=2
X1
M1 (x1 )
M (x1 ; x2 )
M2 (x2 )
X2
x1 + x2
2) Introduisons une équation ie une « contrainte » par exemple = 0,5
2
x +x
L’ensemble des points M de coordonnées (x1 ; x2 ) vérifiant 1 2 = 0,5 est une droite.
2
⎧ x1 + x2 ⎫
Soit un ensemble ⎨M ( x1 ; x2 ) et = 0,5⎬ de dimension 1 plus précisément 1+1-1=1
⎩ 2 ⎭
Etape 1
yy .
Etape 2
Soit (Y1 ; Y2 ) le couple de variables aléatoires qui, à deux expériences indépendantes associe le couple
de mesures (y1 ; y2 ) observées.
L’ensemble des « possibles » ou univers est un ensemble de dimension 2.
Synoptique 1+1=2
Y1
y1
( y1 ; y2 )
y2
Y2
Etape 3
Etape 4
Imposons une contrainte ou une relation entre les n mesures observées par exemple le calcul préalable
y + y 2 + ... + y n
de la moyenne : 1 =y
n
y1 + y 2 + ... + y n
L’ensemble des « possibles » { (y1 ; y2 ; y3 ; … ; yn) et = y } est un ensemble de
n
dimension 1+1+1+..+1-1=n - 1
Etape 5
Pour décompter les ddl associés à un calcul statistique, il suffit de repérer le nombre n de mesures
indépendantes effectuées et le nombre p de relations indépendantes liant ces mesures.
Exemple 1
Le calcul de la somme S de n mesures S = y1 + y 2 + ... + y n
ddl = 1+1+…+1=n
Exemple 2
Le calcul de la somme Q des carrés des écarts à la moyenne Q = ( y1 − y ) 2 + ... + ( y n − y ) 2
ddl = 1+1+…+1-1=n – 1
Exemple 3
Le calcul de la somme Q des carrés des écarts à la droite des moindres carrés
Q = ( y1 − ax1 − b) 2 + ... + ( y n − axn − b) 2
a et b sont des calculs préalables et donc, des contraintes liant les n observations (y1 ; y2 ; y3 ; … ; yn)
ddl = 1+1+…+1-1-1=n – 2
Conclusion : l’ensemble des « possibles » de la mesure est de dimension 1, d’où la nécessité de diviser
ces sommes par le nombre de ddl. Ainsi, une estimation s de l’écart entre la mesure observée et la
mesure « théorique » est donnée par la célèbre expression :
Q
s=
ddl (estimation de l’erreur expérimentale)
Partie B L’estimation d’un modèle a priori
La valeur moyenne y est la mieux placée. (Ce qui se démontre aisément en statistiques)
D’où, y = y est une estimation du modèle théorique y = µ
y = .... Q = ...
ddl = …
s = ...
On cherche à expliquer l’évolution d’une réponse y à partir d’une variable x dite explicative.
Le modèle supposé est affine : y = α x + β
La droite des moindres carrés y = a x + b est la mieux placée pour estimer la droite théorique y = α x +
β (ce qui se démontre aisément en statistiques)
yn * y=ax+b
y2 *
*
y1 * x variable explicative
x1 x2 xn
Plan initial
On dispose de 4 réponses yi obtenues de la manière suivante (Yates):
à x1 = -1 et x2 = -1, on obtient y1
à x1 = +1 et x2 = -1, on obtient y2
à x1 = -1 et x2 = +1, on obtient y3
à x1 = +1 et x2 = +1, on obtient y4
permettant de calculer a0 , a1 , a2 , et a12 (estimations des effets α0 , α1 , α2 , et α12)
y = α0 + α1 x1 + α2 x2 + α12 x1x2
Y variable à expliquer
y = a0 + a1 x1 + a2 x2 + a12 x1x2
y1
z y2
z
-1
z y4
-1
y3 1
X1 variable explicative
z
1
X2 variable explicative
Pour estimer l’erreur expérimentale, il est donc nécessaire de retenir un modèle renfermant un nombre
moins important de paramètres inconnus et/ou d’ajouter des mesures complémentaires (au centre par
exemple).
F.Cheptou
Professeur de mathématiques
ETSCO
francois.cheptou@uco.fr