La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Chapitre 3 Corrélations et ajustements linéaires..

Présentations similaires


Présentation au sujet: "Chapitre 3 Corrélations et ajustements linéaires.."— Transcription de la présentation:

1 Chapitre 3 Corrélations et ajustements linéaires.

2 Le but de nombreux travaux est d établir des lois ou des corrélations entre différentes grandeurs mesurables ou différents événements. Ce problème se pose dans divers domaines scientifiques ou pseudo- scientifiques. En physique on cherche à établir des lois entre des variables : relations du type y= f(x). Ce n est pas toujours évident à cause des incertitudes de mesure et des erreurs systématiques. Dans la pratique, on choisit une fonction, réputée donner satisfaction pour les grandeurs étudiées et on ajuste les paramètres pour quelle passe le plus près possible des points de mesure. Nous nous limiterons à un ajustement linéaire du type y=ax+b. Les paramètres a et b seront déterminés par la méthode des moindres carrés.

3 3.1 Notion de corrélation Variables indépendantes et variables corrélées. On mesure U et I aux bornes d un dipôle avec des incertitudes faibles par rapport aux valeurs moyennes couples (u k, i k ) On trace u k =f( i k ) approximativement une droite. Les variables U et I sont corrélées par la relation U=RI Dans beaucoup de cas, pour des raisons diverses, la corrélation est moins évidente.

4 3.1.2 Covariance et coefficient de corrélation. On cherche une fonction capable de traduire les corrélations entre deux variables aléatoires X et Y. E (X+Y) =E(X)+E(Y) ne convient pas. On essaye : Il apparaît un terme la covariance qui nest nul que si X et Y sont indépendantes :

5 Pour des raisons pratiques, on normalise ce coefficient C(X,Y): r(X,Y) est le coefficient de corrélation, il est compris entre -1 et +1. r =1 pour des variables parfaitement corrélées; r=0 pour des variables sans corrélation. Ex: X et Y avec la relation y=a.x+b V(Y)=a 2.V(X)

6 Remarque: On ne dispose généralement que d un nombre limité N de réalisations. Dans la suite on supposera que C(X,Y) C N (x,y) Comme on a déjà posé N (x) (X), il vient : r(X,Y) r N (x,y)

7 3-2. Ajustement linéaire. Lorsque la corrélation entre deux variables est prouvée, il reste à déterminer la relation qui les lie. Ex: Dans le cas de la probabilité d absorption du photon p(x)=(1/L).exp(-x/L) On tracera Ln(p(x)) en fonction de x avec les résultats expérimentaux pour essayer d obtenir une droite Droites de régression. Cas particulier: on suppose que les valeurs de X sont connues avec précision; l incertitude est seulement sur les valeurs de Y: y i = a.x i +b+ i i est positive négative ou nulle. On peut la considérer comme une variable aléatoire.

8 x 1 x y y i a.x i +b i On cherche les coefficients a et b de la droite qui minimisent les distances i aux point expérimentaux: D(a,b) caractérise la dispersion des points autour de la droite y=a.x+b.

9 Pour minimiser cette dispersion on annule les dérivées partielles de D(a,b) La droite de régression passe par le centre M du nuage de points, de coordonnées On remplace b par sa valeur:

10 [Si r=1 (corrélation parfaite) D(a) = 0] Equation de la droite: y=a.x+b On remplace a et b: Remarques: 1- La droite ( X,Y) passe bien par le point (, ). 2- Si on avait minimisé l incertitude sur les x i, la droite de régression linéaire (Y,X) aurait eu pour équation:

11 Droite des moindres carrés normalisés. Cas général: Incertitude sur les mesures des variables aléatoires X et Y. xI sur x i et yi sur y i sont définies par : ( y i + yi )=a(x i + xi )+b Pour comparer ces incertitudes on les normalise avec (X) et (Y). La droite qui minimise cette dispersion a pour équation: et

12 X Y xixi yiyi yi xi

13 La droite est comprise entre (U,I) et (I,U) elle donne une meilleure représentation du nuage de points. Les 3 droites passent par le point fixe M(, ).


Télécharger ppt "Chapitre 3 Corrélations et ajustements linéaires.."

Présentations similaires


Annonces Google