i=0 Vi − Ii R − V∗ σV 2 (1) Puisque la relation est linéaire et l’incertitude ne dépend pas de la résistance, les équations, qui expriment la condition de l’extrémum, sont linéaires dans les variables R et V∗ . On C’est une quantité positive, qui serait égale à zéro si les mesures étaient parfaites et le fil idéal et l’on cherche à comprendre dans quelle mesure la loi d’Ohm est une bonne description. Pour un ensemble donnée de mesures S est une fonction des deux paramètres, R la résistance et V∗ la tension résuduelle du voltmètre. On cherche, alors, les valeurs qui rendent S minimale (on a fait la simplification que l’incertitude sur la tension, σV , est constante) : N −1 N −1 N −1 X X X ∂S Ii Ii2 + V∗ Vi Ii = R =0⇔ ∂R i=0 i=0 i=0 (2) N −1 N −1 X X ∂S Ii + V∗ N Vi = R =0⇔ ∂V∗ i=0 i=0 S(R, V∗ ) ≡ N −1 X 1. L’exemple que l’on va employer pour illustrer la méthode est celui d’un fil conducteur, dont on cherche la résistance et la tension du voltmètre. On dispose des mesures (Vi , Ii ), i = 0, 1, 2, . . . , N −1 et l’on fait l’hypothèse que l’incertitude expérimentale, σV , sur la mesure de la tension est beaucoup plus grande que celle du courant, σI , de façon à pouvoir négliger cette dernière. Alors on construit la quantité suivante Dans cet exercice on dispose d’une suite de données, (xi , yi), i = 0, 1, 2, . . ., et l’on cherche a calculer les paramètres d’une relation entre ces données, qui serait la prédiction d’un modèle. La complication est que ces données sont sujettes à des incertitudes, soit de notre appareil de mesure (graduations finies, précision limitée) soit de notre procédé même. Alors les valeurs des paramètres, aussi, seront sujettes à des incertitudes. La méthode des moindres carrés est une approche, qui permet de calculer l’incertitude des paramètres à partir de celles des données, ainsi, bien entendu, que les “valeurs centrales” de ces paramètres. TD3 : Régression Linéaire Université “François Rabelais” de Tours UFR Sciences et Techniques Licence de Physique 2010–2011 UE505P : Modélisartion, Simulations et Outils Informatiques (3) i=0 N −1 X et l’on cherche à calculer R, σR , V∗ , δV∗ . S≡ Vi − Ii R − V∗ σV 2 1 1 (δVmax + Vmin) et h(δVi )2 i − hδVi i2 = (δVmax − δVmin )2 ≡ σV2 2 12 On pose, maintenant, hδVi i = on peut montrer que Dans cette approche on cherche, en fait, à comprendre si la distribution uniforme est un bon modèle pour le phénomène physique en question. En utilisant les relations Z 1 Z 1 Z 1 Z 1 1 1 et hr 2 i ≡ r 2 ρ(r)dr = r 2 dr = hri ≡ rρ(r)dr = rdr = 2 3 0 0 0 0 δVi = δVmin + r(δVmax − δVmin ) avec δVi uniformément distribués entre δVmin et δVmax : Vi = Ii R + V∗ + δVi 2. Pour tester cette approche il serait utile de disposer d’une suite possible de telles mesures. A défaut de mesures “réelles” on peut employer l’astuce suivante : On fixe R et V∗ et l’on engendre les paires (Vi , Ii) comme suit : Ces expressions nous donnent les “valeurs centrales” des paramètres R et V∗ . Mais l’on veut, aussi, déterminer l’erreur, σR , induite par l’incertitude, σV , sur la tension. On emploie la technique suivante : Par hypothèse, chaque valeur de la tension est tirée d’une distribution gaussienne, avec valeur moyenne la valeur mesurée, hVii et écart type σV , ainsi hVi2 i − hVi i2 ≡ σV2 . On note, maintenant, que, dans les expressions pour R et V∗ les mesures Vi se trouvent toujours aux dénominateurs. Par conséquent, il est facile de calculer hR2 i − hRi2 et hV∗2 i − hV∗ i2 , d’y remplacer hVi2 i − hVii2 par σV2 et utiliser que les mesures sont indépendantes et non-corrélées avec les mesures, Ii du courant pour trouver les expressions pour σR et σV∗ . Ecrire un programme qui lit les données (Vi , Ii ) et calcule R, σR , V∗ , σV∗ . peut les résoudre facilement et l’on trouve les expressions P P P −1 N −1 N −1 N N i=0 Ii i=0 Vi i=0 Vi Ii − R= 2 P P N −1 2 N −1 N − i=0 Ii i=0 Ii P P P P N −1 2 N −1 N −1 N −1 i=0 Ii i=0 Vi i=0 Ii − i=0 Vi Ii V∗ = 2 P P N −1 2 N −1 N − i=0 Ii i=0 Ii