THEORIE DES

OBSERVATIONS
 PLAN

Chapitre 1 : RAPPEL DE QUELQUES OUTILS MATHEMATIQUES

Chapitre 2 : CONCEPTS DE MESURES ET ERRREURS EN

TOPOGRAPHIE

Chapitre 3 : LES LOIS DE PROPAGATION DES ERREURS

 PLAN

Chapitre 1 : RAPPEL DE QUELQUES OUTILS MATHEMATIQUES

Chapitre 2 : CONCEPTS DE MESURES ET ERRREURS EN

TOPOGRAPHIE

Chapitre 3 : LES LOIS DE PROPAGATION DES ERREURS

 CHAPITRE 1: RAPPEL DE QUELQUES OUTILS MATHEMATIQUES

1. STATISTIQUES
INTRODUCTION
OBJET ET UTILITE
CONCEPTS USUELS
PRESENTATIONS
CARACTERISTIQUES DE TENDANCE CENTRALE
CARACTERISTQUES DE DISPERSION
2. PROBABILITE
EVENEMENTS ALEATOIRES
VARIABLES ALEATOIRES
LOI NORMALE
3. FONCTIONS
DERIVEES DE FONCTION A UNE VARIABLE
FORMULES USUELLES
DEVELOPPEMENTS LIMITES USUELS
DIFFERENTIELLES DE FONCTIONS A PLUSIEURS VARIABLES
4. CALCULS MATRICIELS ELEMENTAIRES
SYSTEME LINEAIRE
OPERATIONS SUR LES MATRICES
TRANSPOSEE D’UNE MATRICE
INVERSE D’UNE MATRICE
1. STATISTIQUES
 INTRODUCTION
 La statistique est la science qui a pour objet de recueillir,
organiser, classer, présenter et interpréter les données

 La statistique (science) est à distinguer d’une statistique

(généralement employée au pluriel) qui désigne un chiffre ou une
collection de chiffres se rapportant à un sujet quelconque et
élaborés grâce à des outils et des méthodes statistiques

 On en distingues deux :

• La statistique descriptive (présente l’information

d’une façon compréhensible et utilisable, par
exemple en calculant des moyennes, en
construisant des histogrammes, etc)
• La statistique inferentielle (a pour fonction d’aider à la
généralisation de cette information ou, plus
spécifiquement, de faire des inférences estimation,
décision, test d’hypo thèses, etc )
 OBJET ET UTILITE DE LA STATISTIQUE
 L’objet est l’étude des faits pour prendre des décisions
 Elle permet de :
• Décrire les caractéristiques d’une
population ainsi que les relations
entre les critères. Exemple : lien entre
l’ancienneté des employés et leur
salaire ;
• Estimer des paramètres et prendre
des décisions ;
• Faire des prévisions etc.
 CONCEPTS USUELS
POPULATION ET INDIVIDU OU UNITE STATISTIQUE
L’ensemble sur lequel porte une étude statistique est appelé «
population ». Chaque élément de cet ensemble est appelé «
individu » ou « unité statistique »
 EXEMPLE :
ECHANTILLON ET POPULATION MERE
 Il est souvent difficile voire impossible de mener
une étude statistique sur une population toute
entière. On choisit alors de travailler sur une partie
de cette population appelée échantillon.
 La population initiale d’où est tiré l’échantillon,
est la population mère.

VARIABLE STATISTIQUE OU CARACTERE

 C’est le critère ou la propriété suivant lequel on étudie la
population statistique
 EXEMPLES :
• L’âge des étudiants d’une université
• L’ancienneté des travailleurs d’une société

 Elle prend des valeurs différentes pour les individus de la

population. Les valeurs possibles d’une variable
statistique sont ses modalités

TYPES DE CARACTERES
 L’on distingue deux types de variables : les variables qualitatives
(sexe, couleur,…) d’une part et les variables quantitatives
d’autre part (taille, poids,…)
 Parmi les variables quantitatives, les variables quantitatives
discrètes ( valeurs peuvent être énumérées sous la forme
d’une liste de chiffres (a1, a2,...) ) et les variables
quantitatives continues(les valeurs possibles ne sont pas
dénombrables). Exemples : taille d’un nouveau née,
longueur d’une table, volume d’un chargement de camion,…
  PRESENTATIONS DES DONNEES
SERIE STATISTIQUE
 C’est la liste des valeurs de la variable statistique
observées sur les individus d’un échantillon d’une
population donnée. Lorsque plusieurs variables
sont simultanément observées sur le même
échantillon, la série obtenue sera à 2, 3, ou n
dimensions.
 Exemple : le nombre d’enfants à charge de 20
employés d’une entreprise : 1 ; 0 ; 1 ; 2 ; 2 ; 5 ; 4 ; 4
; 3 ; 1 ; 0 ; 1 ; 0 ; 0 ; 0 ; 6 ; 10 ; 7 ; 1 ; 7

TABLEAU
Cas de variable quantitative discrète

Tableau 1 : Nombre d’enfants à charge des employés d’une entreprise

Nombre d’enfants 0 1 2 3 4 5 6 7 10 Total
Effectif 5 5 2 1 2 1 1 2 1 20

Cas d’une variable qualitative

Tableau 2 : Situation matrimoniale des détenus

Situation matrimoniale Marié Célibataire Divorcé Veuf Total
Code 1 2 3 4
Effectif 15 16 6 3 40

Cas d’une variable continue

Tableau 3 : Salaire mensuel des employés de l’entreprise X

Salaire mensuel (en [50 ;100[ [100 ;150[ [150 ;200[ [200 Total
milliers fcfa) ;250[
Effectif 2 5 2 1 10
 GRAPHIQUE
 Diagrammes en bâtons ou circulaire(discret)
 Histogramme et polygone de fréquences (continue)

Exercices voir exemples précédents.

 CARACTERISTIQUES A TENDANCE CENTRALE

Une mesure à tendance centrale est toute valeur qui à tendance à se situer au
milieu d’un ensemble de données rangées par ordre croissant.

LE MODE
 Le nombre le plus répété ou qui a la plus grande fréquence est
appelé le mode de cet ensemble de nombres.

LA MEDIANE
 On appelle la médiane d’un ensemble de N nombres rangés
par ordre de grandeur croissante, la valeur du milieu dans le
cas ou N est impair, ou la moyennearithmétique des deux
valeurs centrales si N est pair.
 Exemples : Déterminer la médiane des deux séries de
nombres suivantes:
Série 1: 2;2;5;5;5;7; 10;13;13;13;17;25

Série 2: -5;-5;-5;-1;13;14;16;24;35;35
 LA MOYENNE

Soit un ensemble de n nombres
1,
2,…,
. On désigne par
 la

 LA MOYENNE ARITHMETIQUE

moyennearithmétique donnée par l’expression suivante :

 +  + ⋯ + 
=

Exercice : Calculer la moyenne arithmétique de la série des six (06) mesures
(en grades) d’un angle suivant : 57,1234 ; 57,1225 ; 57,1232 ; 57,1228;

Si  se produit  fois, la moyenne
 est calculée comme

57,1231; 57,1229.

  +   + ⋯ +  
suit :
=
 +  + ⋯ + 

Exercice : Calculer la moyenne arithmétique des mesures de l’exercice

précèdent qui se sont produites respectivement 5, 4, 1, 3, 1 et 2 fois

 LA MOYENNE ARITHMETIQUE PONDEREE

Dans le cas où certaines mesures sont préférées que d’autres,

 ,  , …,  qui sont appeléspoids. La moyenne à calculer sera

nous pouvons affecter à ces mesures des facteurs d’importance

dite moyenne arithmétique pondérée. Son expression est la

  +   + ⋯ +  
suivante :
=
 +  + ⋯ + 

Exercice : Pour la mesure d’une distance D, trois rubans ont été utilisés. Le 1er
et le 2ème ruban sont respectivement 2 fois et 3 fois plus précis que le 3ème. Si
les mesures sont respectivement 173,456m; 173,421m et 173,487m calculer la
moyenne arithmétique pondérée.

• La somme des écarts d’un ensemble de valeurs par rapport à

leur moyenne  est nulle

Application (voir exercice précèdent) : calculer les ecarts par

rapporta la moyenne puis sa somme.

La racine nième du produit des nombres d’une série de nombres  (i=1,2,…,n)
 LA MOYENNE GEOMETRIQUE

est dite moyenne géométrique :



 =  




Exercice :
Déterminer la moyenne géométrique de la série suivante:3;4;7;10;15;16

 d’une série de nombres  (1,2,…,n) est l’inverse

La moyenne harmonique 
 LA MOYENNE HARMONIQUE

1 1 1

de la moyenne arithmétique des inverses de ces nombres, soit

= 
 



Exercice :
Déterminer la moyenne harmonique de la série suivante: 3;4;7;10;15;16
  LA MOYENNE QUADRATIQUE

est appelée la moyenne quadratique 

 et definie par :
La racine carrée de la moyenne arithmétique des carrés des nombres d’une série

∑ 
 = 



Exercice :
Déterminer la moyenne quadratique de la série suivante: 3;4;7;10;15;16


 <  
 <  < 
 COMPARAISON DES MOYENNES
On a toujours 

 CARACTERISTIQUES DE DISPERSION
Elles servent à mesurer la variabilité de la variable statistique et de
juger de la pertinence (représentativité) de la caractéristique de
tendance centrale

L’ETENDUE
 C’est la différence entre la plus grande et la plus petite valeur
observée

Exercice :
Déterminer l’étendue de la série suivante: 3;4;7;10;15;16
 VARIANCE ET ECART TYPE
 La variance est la moyenne des écarts (élevés au carré) des
valeurs observées par rapport à la moyenne arithmétique de la

1 
!
" =  !
 −
"$ : &'( ()*+,-
série. On la note V (X) pour une variable notée X

 

1 
!
" =  . !
 −
"$ : &'( +/0-1-
Ou

. 
Avec . = ∑ .

 L’écart-type est la racine carrée de la variance. On le note

2!" = 34!"
σ(X) ou σX. Sa formule est :

Calculer !
" de la série suivante: 3;4;7;10;15;16

Application :
2. PROBABILITE
 EVENEMENTS ALEATOIRES ET PROBABILITES
 L’une des bases des notions de la théorie des probabilités est
l’évènementaléatoire(pièce de monnaie et de dé que l’on
jette).
 Un évènement aléatoire est celui dont la fréquence
relative de sa réalisation tend versune limite stable
lorsque le nombre d’observations ou de répétitions
d’une expériencetend vers l’infini. La limite est alors dite
probabilité de réalisation de l’évènement qui est
comprise entre 0 et 1.
 L’évènement ne se réalisera jamais si la probabilité vaut
0 et 1 si toujours.
 les deux évènements se réalisent ensemble au même

respective, c’est-à-dire : 5!6 ∩ 8" = 5!6" ∗ 5!8"

moment est égale au produit de leur probabilité

 Une variable aléatoire est un symbole noté
, :,… qui

 VARIABLES ALEATOIRES
peut prendre,d’une façon aléatoire, toutes les valeurs
d’un ensemble donné appelédomaine de la variable

Exemple : la variable ; peut prendre aléatoirement les

valeurs numériques des six (06) faces (1, 2, 3, 4, 5, 6)
d’un dé lors d’un jet
 LOI NORMALE
 Une variable aléatoire continue X, de moyenne m et d’écart-
type σ,suit une loi normale notée N (m, σ) si sa densité de
probabilité est `définie par :
!BCD"E
 <!=" = -
 A
EFE
> √$@

 Toute loi normale peut être ramenée a une loi normale de

moyenne 0 et d écart type 1, notée Ɲ(0; 1", moyennant le
IAJ
changement de variable
∗ . Ainsi sa densité est
>
!B"E
 A
 <!=" - E
√$@
 Il n’existe pas de forme analytique pour la fonction de répartition,
notée ϕ. On trouve les valeurs de ϕ(x) dans les tables numériques

• 5!' <
≤ L" = 5 M <
∗ ≤ P = Q! " − Q! "

NAJ OAJ OAJ NAJ
 Propriétés

> > > >

• 5!
∗ ≤ −=" = Q!−=" = 1 − Q!="
• 5!−= <
∗ ≤ =" = 2Q!=" − 1

 Application

La taille des conscrits en Suisse suit une loi de normale de moyenne

173 cm et d’écart type 8 cm. Quelle est la probabilité qu’un conscrit
pris au hasard mesure :
 Entre 160 cm et 175 cm.
 Plus de 170 cm
 Au plus180 cm
 3.FONCTIONS
 DERIVEES DE FONCTIONS A UNE VARIABLE
ℝ→ ℝ
Soit f :ℝ
x↦ V = !W"
On definie la derivee de f par : c : ℝ → ℝ

x↦ c !W" = def
∆V
∆W↦h ∆W

On note aussi c !W" = = nop q

m!W"
mW

• c !W" représente la tangente a la courbe au point M.

Dérivée de fonctions trigonométriques

FONCTIONS DÉRIVÉES

sin x cos x

cos x - sin x


tan x
1 + tan²x = !wxy z"E

cotan x
1
−
!sin ="$
  DEVELOPPEMENTS LIMITES
• Objectif : approche une fonction au voisinage d’un point
M(Wh ; Vh " par un polynôme de degré inferieur ou égal a .
• Formule de Taylor-Young
Soit f une fonction au moins n fois dérivable et sa dérivée nième est
continue sur l’intervalle { ⊂ ℝ -} ' ∈ {, on a :

zAN !zAN"E !zAN"€

<!=" <!'" + < c !'" + < cc !'" + ⋯ + <  !'" +
! $! !
!= − '" !=" avec lim !=" 0
z→N
• Si ' 0, on obtient la formule de Mac Laurin

z !z"E !z"€
<!=" <!0" + ! < c !0" + $!
< cc !0" + ⋯ + !
<  !0" + !=" !="
avec lim !=" 0
z→ƒ

EXERCICE
Calculer au voisinage de 0 le développement limité à l’ordre 3 desfonctions
suivantes :
F(x)=sin(X) ; g(x)=cos(X)

Calculer f(0,01) , g(0,01), h(0,02) à l’aide des développements

limités.
  DIFFERENTIELLES DE FONCTIONS
Pour une fonction a une variable : 0< = < c !="0=
Pour une fonction a plusieurs variables : <!=" = <!= , =$ , … , = " alors
•

†< †< †<

•
0< = 0= + 0=$ + ⋯ + 0=
†= †=$ †= 

Exercice

<!=, ‡" = - zˆ + sin!= $ + ‡"

Calculer les différentielles totales des fonctions suivantes :

‰!=, ‡, Š" = 2= cos!= − ‡" + cot!Š $ + =‡"

4.CALCULS MATRICIELS ELEMENTAIRES

Soient  ‹Œ  deux entiers naturels non nuls. On appelle système linéaire

 SYSTEME LINEAIRE

de n équations a m inconnues x1, x2,….., x* tout système (S) du type

' = + '$ =$ + ⋯ + '“ =“ = L

⎧' = + ' = + ⋯ + ' = = L
⎪ $  $$ $ $“ “ $
!Ž"
⎨
⎪
⎩' = + '$ =$ + ⋯ + '“ =“ = L
Ou ('” ", !L "-} !=” " sont des reels non tous nuls(1≤ ) ≤  -} 1 ≤ • ≤ * des entiers
naturels tels que * ≤ "

– = —
On peut écrire sous la forme matricielle suivante :

' ⋯ '“ zœ Oœ

Avec 6 = ˜ ⋮ ⋱ ⋮ ›,
= ˜ …
… › -} 8 = ž …
…Ÿ
zE OE

' ⋯ '“ z O€
  OPERATIONS SUR LES MATRICES

Soit A, B , C trois matrices et α un réel.

A+B=B+A
α . C .(A+B) = α .C . A + α. C . B
(A.B).C = A.(B.C)
EXERCICE :

 TRANSPOSEE D’UNE MATRICE

Soit A une matrice de taille m*n.

Soit aij les coefficients de la matrice A.
t
La transposée de A se définie par la matrice A de taille n*m et
de coefficients aji.

t(αA + B) = α tA + tB ( A) = A
t t

t(AB) = tB tA
  INVERSE D’UNE MATRICE CARREE
Soit A, B et X trois matrices vérifiant l’équation AX = B
Si A est inversible X = A-1 B (avec A-1A = I)

Supposons A carrée. A est inversible si et seulement si AA-1 = I

( I étant la matrice identité)

–A = Œ
¡!–"
m‹Œ!–"
CHAPITRE 2: CONCEPTS DE MESURES ET ERREURS EN TOPOGRAPHIE

INTRODUCTION GENERALE
1.INEXACTITUDE DES MESURES
 Introduction générale
Une mesure ou observation est le résultat de plusieurs opérations dont chacune d’elles

constituent une contribution à l’utilité définitive de cette mesure. Toute mesure est un processus

assujetti à des variations provoquées par des facteurs physiques, tels que par exemple la

température et la pression ou dues àl’imperfection des instruments ou de nos sens etc.

De ce fait, aucune quantité mesurée n’est complètement déterminée. Pour les applications nous

fixons une quantité considérée comme la vrai valeur. Mais dans la réalité, cette quantité n’est

autre qu’une valeur estimée de la valeur vraie. Ainsi, une mesure doit être considérée comme

une variable.

Dans des conditions constantes, la variation des valeurs d’une quantité mesurée est un

phénomène naturel. Par conséquent, la différence entre la valeur mesurée d’une quantité

et sa valeur vraie est dite l’erreur sur la valeur mesurée.

Etudier les erreurs d’observations et de leur comportement est synonyme d’étudier les

observations elles-mêmes. Etudier les erreurs d’observations et de leur comportement est

synonyme d’étudier les observations elles-mêmes. La théorie des erreurs est équivalent à

ce qui est appelé aujourd’hui la théorie desobservations qui l’ensemble des lois et

règlement sur la précision dont le but est de mettre en place les bases de calcul pour

effectuer les observations dans des conditions acceptables.

 1. INEXACTITUDES DES MESURES
1.1 Généralités
Une grandeur n’est jamais définie qu’avec une approximation limitée. Les mesures
effectuées et constructions graphiques ne sont pas des opérations parfaites.

Elles sont entachées d’inexactitudes dues aux imperfections des instruments de

mesure, des sens de l'observateur et parfois des méthodes de mesure.

1.2 Classification des inexactitudes

1.2.1 Faute
La faute( grand écart) est une inexactitude dont l'ordre de grandeur est important
par rapport à la précision recherchée dans la mesure( écart énorme avec la valeur
escomptée).
C'est une erreur grossière qui résulte d'une exécution incorrecte du mesurage
• Exemples :
 faute de lecture sur une mire
 faute de transcription d’une mesure
 maladresse
 ……

Les fautes proviennent d'une étourderie, d'une maladresse ou d'un oubli. Il est
donc indispensable de les éliminer. Pour cela on utilise :
• le contrôle direct qui consiste à recommencer la mesure par le même procédé.
 Exemple : pour mesurer la distance entre deux points sur le plan,
mesurer une première fois avec pour origine la’’ graduation zéro’’,
puis avec une autre origine.
• le contrôle indirect permettant la mesure ou fournissant le résultat d'un
calcul par une technique différente
 Exemple : dans la mesure de deux angles d’un triangle, comparer la
mesure du troisième angle avec la différence a 200 grades de la
somme des premiers angles mesures.

Remarque : Les fautes doivent être détectées et éliminées avant l'utilisation de la mesure.

1.2.2 Erreurs
Une erreur (petit écart) est l'inexactitude due à l'imperfection des instruments de
mesure etéventuellement la lecture des mesures. Les erreurs peuvent être
minimisées en effectuant un bon choix des instruments et des méthodes de mesure.

1.3 Classification des erreurs

Ce sont des inexactitudes de petites valeurs dues aux imperfections des procédés,
des appareils, des opérateurs. Leur répétition peut entrainer des inexactitudes
parfois comparables à une faute. Nous avons deux grandes familles de type
d’erreurs : les erreurs systématiques et les erreurs accidentelles ou aléatoires.
1.3.1 Erreur systématique
Ce sont les erreurs qui proviennent généralement des défauts de construction des
instruments de mesure. C’est une erreur qui a une cause connue et qui, se
produisant de la même manière, obéit a une loi (normale).

Elles sont liées à des défauts ou à des imprécisions du système de

mesure (qualité des composantes, défaut de réglage des instruments,..) et

aussi proviennent des défauts mineurs des appareils de mesure ou des

conditions environnementales (température, humidité, etc.).
Toutes les erreurs de construction et de réglage sont des erreurs
systématiques.
Les erreurs systématiques sont connues et corrigées surtout par des modes
opératoires, l’étalonnage des instruments ou par l’utilisation d’un modèle
mathématique pour évaluer leurs effets et les éliminer par la suite.
• Exemples :

 Pour les mesures de longueurs

 Par chainage, les erreurs systématiques sont
essentiellement des erreurs d’étalonnage et, pour
les éliminer, il faut apporter aux valeurs observées
des corrections d’étalonnage ; ces corrections sont
multiples : tensions, température, étalonnage
proprement dit. C’est aussi l’erreur de chaînette,
d’alignement et le défaut d’horizontalité ;
 par des IMEL (instruments de mesures électroniques
des distances) : par exemple les distancemètres. Les
erreurs systématiques sont l’erreur d’étalonnage et
celles dues aux conditions atmosphériques,
essentiellement la température et la pression
  Pour les mesures d’angles

 erreurs de collimation horizontale et verticale ;

 erreur de tourillonnement ;

 l’inégalité des graduations du limbe ;

 l’erreurs dues à la réfraction, etc

1.3.2 Erreur accidentelle

Ce sont des erreurs qui se produisent d'une manière aléatoire variables dans la
grandeur et dans le sens, même si les conditions de mesure sont les même. Elles sont
dues à la fois : à l'utilisateur et à l'environnement.
Ses causes sont nombreuses :

• Erreur de calage de l’axe principal de l’appareil (pas de verticalité etd’horizontalité

parfaite de l’appareil) ;
• Erreur de centrage sur le point stationné ;
• Erreur de pointé ;
• Erreur de lecture ;
• La dérive du zéro du limbe (erreur de graduation) ;
• Le déplacement accidentel de l’appareil, etc.
On peut toute fois diminuer leur influence en répétant les mesures ou la théorie deserreurs
de Gauss (basée sur le calcul des probabilités) est une méthode pour les éliminer en bloc.
Dans la suite, nous allons étudier les erreurs apparents (écart de mesures a la moyenne)
contrairement aux erreurs vraies (erreurs par rapport a la valeur exacte).
 2. CONSTATATION STATISTIQUE
Quand la valeur exacte X est inconnue (cas le plus fréquent). On adopte commevaleur
approchée la plus probable "la moyenne arithmétique des mesures’’ désignée par Xm.
Où :

X: la vraie valeur de l'inconnue.

X1, X2, X3,…, Xn: ensemble de mesures.

La moyenne arithmétique: Xm = (X1 + X2 + X3 + ….. + Xn)/n

L'erreur vraie d'une mesure i : νi = Xi -X

L'erreur apparente d'une mesure i: ei = Xi - Xm

Les écarts (ei) à la moyenne arithmétique sont appelés : Ecarts, Erreurs apparentes ou
Résidus.
2.1 propriétés de la moyenne arithmétique
• la somme algébrique des écarts est nulle;
• la somme des carrées des écarts est minimale.
Les erreurs systématiques sont supposées éliminées, lorsque le nombre de répétition
des mesures tend vers l'infini. La moyenne arithmétique des mesures tend alors ver la vraie
valeur de la grandeur mesurée.
i.e : lim
“

→¢£

2.2 Etude de la courbe de Gauss (courbe des fréquences des erreurs

accidentelles)
Lorsqu’une même mesure est répétée un très grand nombre de fois sans erreur systématique,
on constatequ’il y a sensiblement autant d’erreurs positives que d’erreurs négatives et que les
plus petites en valeur absolue sont les plus nombreuses.
On peut tracer un diagramme en portant en abscisses les valeurs des erreurs et en ordonnées leur
nombre.
En pratique, l’unité de mesure utilisée pour le tracé est l’erreur probable (écart équiprobable) ep.
On trace des rectangles ayant comme base la valeur d’une erreur probable et comme hauteur le
nombre d’erreurs comprises entre les bornes de la base.
 La répartition des erreurs est donnée par la figure ci-dessus.
Le point d’inflexion de la courbe situe la limite de l’écart type : les deux tiers des
écarts observés sont inférieurs ou égaux à cet écart type.
La probabilité pour qu’une erreur dépasse 4ep est de 1%.
Ce qui signifie que sur 100 mesures une seule à une ″chance″ de dépasser 4ep

Quelque soit la grandeur mesurée directement :

• les écarts (erreurs) les plus petits sont les plus nombreux;
• les écarts sont compris entre deux valeurs extrêmes;
• à tout écart positif correspond un écart négatif (symétrie).
Soit les points A, B et C sur cette courbe :

• il n'existe pas de point tel que "A" avec une valeur très différente des
autres, ils'agit d'une faute;
• des points tels que "B" sont nombreux (positifs et négatifs);
• à un point "C" correspond un point "C' " à peu près de même valeur, mis de
signe contraire
 2.3 Ellipse d’erreur
La variance ou l'écart type mesurent la précision dans un espace monodimensionnel
c'est-à-dire la précision d'une variable telle qu’une distance ou un angle par exemple.

Dans le cas de problèmes bidimensionnels, tels que la position horizontale (x, y) d'un
point, des ellipses d'erreur doivent être établies autour du point calculépour
désigner les régions de précision pour différentes probabilités.

Les demi grand axe et demi petit axe de ces ellipses sont déduits de la matrice de
variance-covariances des coordonnées (x, y ), de la manière suivante soit :
2W 2WV
 =¤ ¥
2WV 2V

Les demi grand et demi petit axe a et b de l’ellipse de confiance se déduisent de

l’équation dusecond degré en λ suivante :

!−λ"2 + }1!∑) ( −λ" + |∑| 0

Ou :
• }1!∑)= trace de la matrice ∑
• |∑| déterminant de la matrice ∑
On : ¨$ − ©2W + 2V ª« + ©2W . 2V − 2WV ª h

Qui est le polynôme caractéristique de la matrice ∑. On :

« !2W + 2V " ± ±!2W + 2V " − ²©2W . 2V − 2WV ª!2W + 2V "

Si on note « ‹Œ « ! valeurs propres de ∑", les racines de cette dernière équation, a et b

s’en déduisent comme suit :
µ ¶. 3« ‹Œ · ¶. 3«
k est le facteur d’échelle de l’ellipse. La dimension de l'ellipse peut être réduiteou

élargie par la multiplication des demi axes a et b par le facteur d’échelle k

qui est lié à une probabilité P. Plus k est grand, plus la probabilité est grande pour que le résultat
tombe à l'intérieur de l’ellipse d'erreur.
 K 1.000 1.177 2.146 2.447 3.035

P 0.394 0.500 0.900 0.950 0.990

Table : les valeurs usuelles du facteur échelle k

L'orientation ¸ de I ‘ellipse d'erreur correspondante, par rapport à I ‘axe x, s'obtient au moyen de la

relation suivante :
2. ¹zˆ sin!2¸"
tan!2¸" = =
¹z − ¹ˆ
$ $ cos!2¸"

Dont la solution est : ¸ = $ [tanA »¹ 2−¹=‡ 2¼ + ½. ¾]

 2.¹

= ‡

½ est arrete en etudiant les signes sin!2¸" et cos!2¸" qui sont, en fait les signes respectifs de 2. ¹zˆ et ¹z $ − ¹ˆ $
Application :
La matrice de variances covariances de coordonnées (X,Y) déterminées a partir des

h. ÀÁÂÀ −h. òÄÃ

 =M P
observations d’un angle et d’une distance est :

−h. òÄà h. ÁIJh

2. Calculer l’orientation ¸
1. Calculer les demi axes de l’ellipse d’erreur.

3. DEFINITIONS DES ERREURS CARACTERISTIQUES

3.1Erreur moyenne arithmétique
L'expression théorique est :

ōµ = ±
∑
Ç |Æ |

(la valeur exacte X est connue)

ōµ = ±
∑
Ç |‹ |
Ah.Ã
(la valeur exacte X est inconnue)

3.2 Erreur moyenne quadratique (écart type)

ÅÈ = 2 = ±±
Pour un grand nombre de mesures :
Æ ¢Æ ¢⋯¢Æ

(la valeur exacte X est connue)

ÅÈ = 2 = ±±
Pour un nombre limité de mesures, la meilleure estimation est donnée par :
‹ ¢‹ ¢⋯¢‹
A
(la valeur exacte X est inconnue)

NB : L’erreur moyenne quadratique est l’estimateur le plus utilisée dans les normes pour la précision
des instruments et la qualité d’un travail. Ellequantifie assez bien la dispersion des mesures entres
elles. Lors des calculs de l’emq, celle-ci devra être arrondie de telle sorte àêtre plus contraignante.

• Exemple : Emq=±É, ²  ≈ É .

3.3Erreur moyenne quadratique relative

Cette erreur est définie comme étant le quotient du rapport de l'erreurmoyenne quadratique
par la quantité concernée. Par exemple, si l'erreur moyenne quadratique d’une distance D est e;,

alors l'erreur moyenne quadratique relative est donnée par :

‹Ì
‹Ë =
Ì
 3.4Erreur probable
C'est l'écart dont la probabilité d'être dépassée en valeur, est 1/2.
La valeur médiane est l'erreur probable "Ep". L'expérience montre que
"Ema" et"Ep" sont liées à "Emq" par les relations numériques très
rapprochées suivantes :
Ep = (2 / 3)Emq = 0,6745σ
Ema =(4 / 5) Emq

3.5 Erreur maximum ou tolérance

Elle fixe les limites maximales dans lesquelles doivent être contenues les résultats des
mesures effectuées.
La Tolérance est donc une valeur normée de critères de validité derésultats. La
valeur de la Tolérance impose donc l’utilisation de méthodes et
d’instruments de mesures adaptés afin d’aboutir au respect strict de cette
valeur limite.

• La tolérance technique (l'erreur maximum) est donnée par:

Î*'= = 4 Î+
Í ⇒ Î*'= = 2.7¹=2.7 emq (pour les écarts vrais) et Ó = Î*'= = 2.58¹
Î+ = ! "¹
$
Ð
(pour les écarts apparents)
Cette valeur limite n’a que 1% de chance d’être dépassée.

• La Tolérance légale ou administrative : fixée généralement par Arrêté ou

décret interministériel ayant effet sur un territoire donné.

C’est le client qui impose la tolérance à travers le cahier des charges.

Depuis le 25 Avril 2012, le Burkina Faso s’est doté de Normes Topographiques.
Application
4. Loi de composition des erreurs accidentelles
• emq sur une somme ou une différence de n éléments d’emq différents

(‹ ,‹ ,…, ‹) : ‹ = ±±‹ +‹ + ⋯ + ‹

ei : ‹ = ±‹ √
• emq sur une somme ou une différence de n éléments d’emq identiques

‹
• Emq sur une moyenne de n éléments d’emq identique ei

‹=±
√

• emq sur une fonction F à n variables(x1,…,xn) d’emq différentes

(ex1,…,exn)

×Ö ×Ö ×Ö
‹Ö = ±! " ‹W +! " ‹W + ⋯+ ! " ‹W
×W ×W ×W
5. Observations d’inégales précisions : Moyenne pondérée
5.1 Définition :

Supposons qu’une quantité a été déterminée par un certain nombre de mesures

effectuées en plusieurs séries (trois pour fixer les idées) et dans les mêmes
conditions :
- 1ère série, composée de p1 mesures donne A1,
- 2ème série, composée de p2 mesures donne A2,
- 3ème série, composée de p3 mesures donne A3.

5 6 + 5$ 6$ + 5Ð 6Ð
6=
La valeur de A la plus probable est :

5 + 5$ + 5Ð
Ce rapport s’appelle la moyenne pondérée. 5 , 5$ , 5Ð étant les poids des moyennes partielles
A1, A2, A3

5.2 Propriété
Il résulte des propriétés fondamentales des poids :

Les poids sont inversement proportionnels aux carrés des erreurs moyennes des
quantités auxquelles ils correspondent.

Supposons qu’on ne connaisse pas le nombre des observations p1, p2,p3 qui a abouti aux
résultats partiels A1, A2, A3, mais seulement l’emq de chacun d’eux que nous appellerons
n1, n2, n3. On peut supposer que ces résultats proviennent d’un certain nombre
d’observations fictives mais d’égale précision et de même emq Ɛ

 = ,  = et É = 
Ø Ø Ø
É

La moyenne pondérée de A devient :

6 6 6
+ $ + Ð
   É
6=
1 1 1
+ +
   É
Application :
A) On a mesuré un angle d’un tour d’horizon au théodolite successivement
avec 8 réitérations. La moyenne obtenue est de 43.2935gr. Avec 4
réitérations, la moyenne obtenue est de 43.2941gr.

Quelle est la valeur de l’angle à adopter sachant que ces mesures ont la
même précision individuelle ?
B) On a mesuré un même angle avec deux théodolites différents :
- le premier théodolite donne pour une mesure d’angle une emq
de 4 secondes, on a effectué 16 réitérations ce qui donne une moyenne
α1 = 43, 2938 gr,
- le deuxième théodolite donne pour une mesure d’angle une emq
de 8 secondes, on a effectué 32 réitérations ce qui donne une moyenne
α2 = 43, 2935 gr.

Quelle est la valeur adoptée α de l’angle ?

 CHAPITRE 3: LOIS DE PROPAGATION DES ERREURS

Les données terrains étant utilisées dans les calculs d’autres quantités, il faut donc
trouver un modèle mathématique liant ces dernières aux données terrain. Si les
données terrains comportent des erreurs alors les quantités calculées en
comportent également, d’où l’étude de ce phénomène est dite propagation des
erreurs.
3.1 Cas des fonctions linéaires
Supposons x la quantité mesurée et y la quantité à calculer à partir de x comme suite :

y= ax+b (2.25)

a et b étant considérés sans erreurs, alors si pose :

= Ù = valeur vraie de x
‡Ù= valeur vraie de y
Tel que : W = WÆ + mW (2)

V = VÆ + mV (3)

dx et dy sont les variations de l’observation x et du paramètre y par rapport àleur vraie valeur.
En utilisant la relation (2), on obtient :
‡ = '!WÆ + mW)+b
= µWÆ + · + µmW

V = VÆ + µmW
V − VÆ = µmW
mV = µmW (4)

µ = mW (5)
mV
D’où

(5) est donc la dérivée de (1) par rapport a x. remplaçons (5) dans (4) :

mV = µmW = ×W mW (6)
×V

(6) est la differentielle totale de (1). mV est l’erreur sur y produite par une erreur sur x.
 Exemple :
Une parcelle de terrain de forme trapézoïdale (voir dimension sur la figure ci-dessous). On
demande de calculer l’ordonner h pour une distance d=23,560m mesurée avec une erreur de
0,016m. Calculer l’erreur sur h.

3.2 Cas des fonctions non linéaires

‡ = = $ (7)
Supposons la fonction non linéaire suivante :

Tel que : = la valeur mesurée et y la valeur calculée.

Considérons =Ù et ‡Ù les valeurs vraies respectivement de x et y.
‡Ú = = $ Ú (8)
W = WÆ + mW
Ainsi :

V = VÆ + mV (9)
Or

D’où (8) devient : V = VÆ + mV = !WÆ + mW" = WÆ + WÆ mW + !mW" (10)

On obtient donc : mV = WÆ mW +!mW" (11)
 WÆ est la dérivée de y par rapport à x évaluée en WÆ d’où :

mV = mW +!mW"
×V
×W
(12)

(12) diffère de (6) par la quantité !mW" qui est négligée en pratique.

D’où : mV = Vc − VÆ = ×W mW au lieu de : mV = Vc − VÆ = ×W mW + !mW" car V′ ≈ V

×V ×V

Exemple:
Soit à calculer la surface y d’une parcelle de terrain ayant une forme carrée. La
longueur x du coté est mesurée avec une chaine de 20m et on a trouvé x= 50,170m.
Cette mesure est utilisée pour calculer la surface de la parcelle comme suit :

Y= x² = (50,170m)² = 2517,0289m²

La surface à calculer est ABCD et la chaine est courte de 0,020m. Calculerl’erreur sur la

surface
 3.3 Cas de la contribution de plusieurs mesures X(W , W , … , W " dans le calcul d’une
quantite Y(X)
L’erreur sur y est obtenue par :
×V ×V ×V
mV mW mW ⋯ mW
×W ×W ×W 
×V ×V ×V
,…, sont les dérivées partielles évaluées en W , … , W .
×W ×W ×W
Ou ,

Si 2V est l’erreur moyenne quadratique de y alors :

×V ×V ×V
2V °! " 2W ! " 2W ⋯ ! " 2W
×W ×W ×W

Exemple :

On mesure avec une chaine de 30m courte de 0,030m la largeur W et la longueur W

d’unrectangle et on propose d’évaluer l’erreur sur l’aire calculée du dit rectangle
(voir figure ci-dessous)

Exemple :

F(X,Y,Z)= X+Y-Z avec ¹Ü, ¹
, ¹: et ¹Ý les écarts types respectifs de F, X, Y et Z.Déterminer
l’expression de ¹Ü en fonction des trois derniers écarts.

Pour F(X,Y,Z)= X∗sinY déterminer ¹Ü.