NF Iso Cei Guide 98-4 (2013)

FA157641 ISSN 0335-3931
NF ISO/CEI GUIDE 98-4

18 Octobre 2013
Indice de classement : X 07-040-4
ICS : 17.020
Incertitude de mesure — Partie 4 : Rôle de l'incertitude

de mesure dans l'évaluation de la conformité
E : Uncertainty of measurement — Part 4: Role of measurement uncertainty

in conformity assessment
D : Messunsicherheit — Teil 4: Rolle der Messunsicherheit bei
der Konformitätsbewertung
Norme française homologuée

par décision du Directeur Général d'AFNOR.
Correspondance Le présent document reproduit intégralement le guide ISO/CEI 98-4:2012. Il a le

statut d’une norme française.
Résumé Le présent document fournit des lignes directrices et des procédures permettant
d’évaluer la conformité d’un élément (entité, objet ou système) à des exigences
spécifiées. L’élément peut être, par exemple, une cale étalon, une balance d’épicerie
ou un échantillon de sang.
Les procédures développées dans le présent document peuvent être utilisées pour
déterminer un intervalle, appelé intervalle d’acceptation, de valeurs mesurées
admissibles de la propriété d’intérêt. Les limites d’acceptation peuvent être choisies
de manière à répartir les risques d’accepter des éléments non conformes
(risque client) ou de rejeter des éléments conformes (risque fournisseur).
L’audience du présent document comprend les responsables qualité, les membres
des organisations de normalisation, les autorités d’accréditation et le personnel
des laboratoires d’essais et de mesures, les organismes de contrôle, les organismes
de certification, les organismes de réglementation, les universités et les chercheurs.
Descripteurs Thésaurus International Technique : essai de conformité, métrologie, évaluation,

mesurage, incertitude.
Modifications
Corrections
Éditée et diffusée par l’Association Française de Normalisation (AFNOR) — 11, rue Francis de Pressensé — 93571 La Plaine Saint-Denis Cedex
Tél. : + 33 (0)1 41 62 80 00 — Fax : + 33 (0)1 49 17 90 00 — www.afnor.org
© AFNOR — Tous droits réservés Version de 2013-10-P

NF ISO/CEI GUIDE 98-4 —2—
La norme
La norme est destinée à servir de base dans les relations entre partenaires économiques, scientifiques,
techniques et sociaux.
La norme par nature est d’application volontaire. Référencée dans un contrat, elle s’impose aux parties.
Une réglementation peut rendre d’application obligatoire tout ou partie d’une norme.
La norme est un document élaboré par consensus au sein d’un organisme de normalisation par
sollicitation des représentants de toutes les parties intéressées. Son adoption est précédée d’une enquête
publique.
La norme fait l’objet d’un examen régulier pour évaluer sa pertinence dans le temps.
Toute norme est réputée en vigueur à partir de la date présente sur la première page.
Pour comprendre les normes
L’attention du lecteur est attirée sur les points suivants :
Seules les formes verbales doit et doivent sont utilisées pour exprimer une ou des exigences qui doivent être
respectées pour se conformer au présent document. Ces exigences peuvent se trouver dans le corps de la
norme ou en annexe qualifiée de «normative». Pour les méthodes d’essai, l’utilisation de l’infinitif correspond
à une exigence.
Les expressions telles que, il convient et il est recommandé sont utilisées pour exprimer une possibilité
préférée mais non exigée pour se conformer au présent document. Les formes verbales peut et peuvent sont
utilisées pour exprimer une suggestion ou un conseil utiles mais non obligatoires, ou une autorisation.
En outre, le présent document peut fournir des renseignements supplémentaires destinés à faciliter la
compréhension ou l'utilisation de certains éléments ou à en clarifier l'application, sans énoncer d'exigence
à respecter. Ces éléments sont présentés sous forme de notes ou d'annexes informatives.
Commission de normalisation
Une commission de normalisation réunit, dans un domaine d’activité donné, les expertises nécessaires à
l’élaboration des normes françaises et des positions françaises sur les projets de norme européenne ou
internationale. Elle peut également préparer des normes expérimentales et des fascicules de documentation.
Si vous souhaitez commenter ce texte, faire des propositions d’évolution ou participer à sa révision, adressez
vous à <norminfo@afnor.org>.
La composition de la commission de normalisation qui a élaboré le présent document est donnée ci-après.
Lorsqu’un expert représente un organisme différent de son organisme d’appartenance, cette information
apparaît sous la forme : organisme d’appartenance (organisme représenté).
—3— NF ISO/CEI GUIDE 98-4
Métrologie AFNOR X07B
Composition de la commission de normalisation

Président : MME DÉSENFANT
Secrétariat : MME LANGLOIS BERTRAND — AFNOR
MME AMAROUCHE LNE

M ANDRE CEA CESTA
M ANTOINE SCHNEIDER ELECTRIC INDUSTRIES SAS
MME BAVELARD CERIB
M BERTRAND E2M
MME BERTRAND SYNDICAT DE LA MESURE
M BERVAS RENAULT SAS
MME BUIL SOFIMAE
M CARRE COFIP
MLLE CHAMBON LNE
MME CHMIELIEWSKI LCPP — LABO CENTRAL PREFECTURE DE POLICE
M CLAUDEL CETIAT
M DAUBENFELD PEUGEOT CITROEN AUTOMOBILES
M DEPERETTI LABORATOIRES POURQUERY SAS
MME DÉSENFANT LNE
M DUBOST GDF SUEZ
M DURSENT LNE
M EL-GUENNOUNI DGA — ESSAIS PROPULSEURS
M FAVRE LNE
M FILHOL SNCF / NORHA
MLLE FOTI DGCIS / BUREAU DE LA METROLOGIE
M JOUIN CNAM — LCM
MME LANDA INERIS
M LARQUIER BEA METROLOGIE
M LEBLOIS COMMA CONSULTING
M LEGALL SEMELEC
MME LOURENCO CEA SACLAY
M MARDELLE THALES SYSTEMES AEROPORTES
M MAYER DASSAULT AVIATION
MME MERCKY SEMELEC
M MONAT CTIF
M MORETTI ADES
M MOUCHEL A+ METROLOGIE
M MOUROT GANTOIS INDUSTRIES
M ODRU UNPP
M PENIN PHILIPPE PENIN (CAST SA — INSACAST)
MME PONTHIEU INERIS
M POU DELTA MU
M REPOSEUR ACAC
M RICHARD TRESCAL SA
M RIVIER CEA MARCOULE
M SALIN CEA VALDUC
M SCHWOB M SCHWOB JEAN
M SENELAER ESM — ECOLE SUP DE METROLOGIE
M SESSA CETIM
M SIMAILLAUD AFNOR COMPETENCES
MLLE TAFFOREAU SOPEMEA
M VANHALWYN ROHDE & SCHWARZ FRANCE SAS
NF ISO/CEI GUIDE 98-4 —4—
Liste d'experts du groupe de travail développant un fascicule de documentation explicatif de la

NF ISO/CEI GUIDE 98.
Animateur : M LEBLOIS — COMMA CONSULTING
M ABAZ TRESCAL SA
M ANDRE CEA CESTA
M BERTRAND E2M
MME DÉSENFANT LNE
M DURSENT LNE
M EL-GUENNOUNI DGA – ESSAIS PROPULSEURS
M FEINBERG INRA
M FISCHER LNE
M JACQUET INRA
M LEBLOND PEUGEOT CITROEN AUTOMOBILES
M LECLERC ACI C/O ALAIN LECLERC
M MORETTI ADES
M POU DELTA MU
M PUYDARRIEUX AREVA NC
M RICHARD TRESCAL SA
M SAVANIER CETIAT
M SIMAILLAUD AFNOR COMPETENCES
M SUDER COFRAC
M VICARD STRATENE
M VINCENT CETIM
GUIDE ISO/CEI 98-4:201(F)
Sommaire Page
Avant-propos ...................................................................................................................................................... v
Introduction ........................................................................................................................................................ ix
1 Domaine d'application .......................................................................................................................... 1
2 Références normatives ......................................................................................................................... 2
3 Termes et définitions ............................................................................................................................ 2
3.1 Termes relatifs à la probabilité ............................................................................................................ 2
3.2 Termes relatifs à la métrologie ............................................................................................................ 4
3.3 Termes relatifs à l'évaluation de la conformité .................................................................................. 5
4 Conventions et notation ....................................................................................................................... 8
5 Limites de tolérance et intervalles de tolérance ................................................................................ 9
5.1 Mesurages pour l'évaluation de la conformité ................................................................................... 9
5.2 Valeurs admissibles et non admissibles : intervalles de tolérance ............................................... 10
5.3 Exemples de limites de tolérance ...................................................................................................... 11
6 Connaissance du mesurande ............................................................................................................ 11
6.1 Probabilité et information ................................................................................................................... 11
6.2 Théorème de Bayes............................................................................................................................. 12
6.3 Informations synthétiques ................................................................................................................. 13
6.3.1 Meilleure estimation et incertitude-type............................................................................................ 13
6.3.2 Intervalles élargis ................................................................................................................................ 14
7 Probabilité de conformité à des exigences spécifiées .................................................................... 14
7.1 Règle générale de calcul d'une probabilité de conformité.............................................................. 14
7.2 Probabilités de conformité avec des fonctions de densité de probabilité normales ................... 15
7.3 Intervalles de tolérance unilatéraux avec fonctions de densité de probabilité normales ........... 16
7.3.1 Une seule limite de tolérance inférieure ........................................................................................... 16
7.3.2 Une seule limite de tolérance supérieure ......................................................................................... 17
7.3.3 Approche générale avec limites de tolérance uniques ................................................................... 17
7.4 Intervalles de tolérance bilatéraux avec fonctions de densité de probabilité normales ............. 18
7.5 Probabilité de conformité et intervalles élargis ............................................................................... 19
7.6 Indice de capabilité de mesurage Cm ................................................................................................ 20
7.7 Indice de capabilité de mesurage et probabilité de conformité ..................................................... 20
8 Intervalles d'acceptation ..................................................................................................................... 22
8.1 Limites d'acceptation .......................................................................................................................... 22
8.2 Règle de décision fondée sur une acceptation simple ................................................................... 22
8.3 Règles de décision fondées sur des bandes de garde ................................................................... 23
8.3.1 Considérations générales .................................................................................................................. 23
8.3.2 Acceptation avec bande de garde ..................................................................................................... 24
8.3.3 Rejet avec bande de garde ................................................................................................................. 25
9 Risques client et fournisseur ............................................................................................................. 27
9.1 Généralités ........................................................................................................................................... 27
9.2 Fonctions de densité de probabilité pour le processus de production et le système de
mesure .................................................................................................................................................. 28
9.3 Résultats possibles d'un mesurage de contrôle avec une règle de décision binaire.................. 28
9.4 Fonction de densité de probabilité jointe pour Y et Ym ................................................................... 30
9.5 Calcul des risques globaux ................................................................................................................ 31
9.5.1 Contexte historique ............................................................................................................................. 31
9.5.2 Formules générales............................................................................................................................. 31
9.5.3 Cas particulier : règle de décision binaire ........................................................................................ 32
9.5.4 Détermination des limites d’acceptation .......................................................................................... 33
© ISO/CEI 2012 – Tous droits réservés iii

9.5.5 Approche graphique générale ............................................................................................................37

9.5.6 Valeur de l'incertitude de mesure réduite .........................................................................................38
Annexe A (informative) Lois de distribution normales..................................................................................39
A.1 Fonction de densité de probabilité normale .....................................................................................39
A.2 Intégrales de fonctions de densité de probabilité normales ...........................................................39
A.3 Probabilités de couverture pour des fonctions de densité de probabilité normales ...................40
A.4 Densités de probabilité normales du processus et du mesurage ..................................................40
A.4.1 Fonction de densité de probabilité a priori g0() pour le mesurande Y .........................................40
A.4.2 Fonction de densité de probabilité h (m/) pour Ym, étant donné une valeur Y = ...................41
A.4.3 Fonction de densité de probabilité marginale h0 (m) pour Ym........................................................41
A.4.4 Fonction de densité de probabilité a posteriori (après mesurage) g (/m) pour Y .....................42
A.5 Calculs des risques avec des fonctions de densité de probabilité normales et une règle
de décision binaire ..............................................................................................................................43
Annexe B (informative) Connaissance a priori du mesurande .....................................................................44
B.1 Maîtrise statistique des processus ....................................................................................................44
B.2 Un élément choisi de manière aléatoire dans un échantillon d'éléments soumis à
mesurage ..............................................................................................................................................44
B.3 Propriété positive proche d'une limite physique..............................................................................47
Annexe C (informative) Liste des principaux symboles................................................................................50
Bibliographie .....................................................................................................................................................52
Index alphabétique ...........................................................................................................................................55
iv © ISO/CEI 2012 – Tous droits réservés

Avant-propos
L'ISO (Organisation internationale de normalisation) est une fédération mondiale d'organismes nationaux de
normalisation (comités membres de l'ISO). L'élaboration des Normes internationales est en général confiée
aux comités techniques de l'ISO. Chaque comité membre intéressé par une étude a le droit de faire partie du
comité technique créé à cet effet. Les organisations internationales, gouvernementales et non
gouvernementales, en liaison avec l'ISO participent également aux travaux. L'ISO collabore étroitement avec
la Commission électrotechnique internationale (CEI) en ce qui concerne la normalisation électrotechnique.
Les Normes internationales sont rédigées conformément aux règles données dans les Directives ISO/CEI,
Partie 2.
Les projets de Guides adoptés par le comité ou le groupe responsable sont soumis aux comités membres
pour vote. Leur publication comme Guides requiert l'approbation de 75 % au moins des comités membres
votants.
L'attention est appelée sur le fait que certains des éléments du présent document peuvent faire l'objet de
droits de propriété intellectuelle ou de droits analogues. L'ISO ne saurait être tenue pour responsable de ne
pas avoir identifié de tels droits de propriété et averti de leur existence.
Le Guide ISO/CEI 98-4 a été élaboré par le Groupe de travail 1 du Comité commun pour les guides en
métrologie (en tant que JCGM 104:2012) et a été adopté par les comités nationaux de l’ISO et de la CEI.
Le Guide ISO/CEI 98 comprend les parties suivantes, présentées sous le titre général Incertitude de mesure:
 Partie 1: Introduction à l’expression de l’incertitude de mesure
 Partie 3 : Guide pour l’expression de l’incertitude de mesure (GUM:1995)
 Partie 4: Rôle de l'incertitude de mesure dans l'évaluation de la conformité
Les parties suivantes sont prévues :
 Partie 2 : Concepts et principes de base
 Partie 5 : Applications de la méthode des moindres carrés
Le Guide ISO/CEI 98-3 a deux suppléments :
 Supplément 1 : Propagation de distributions par une méthode de Monte Carlo
 Supplément 2 : Extension à un nombre quelconque de grandeurs de sortie
Le supplément suivant au Guide ISO/CEI 98-3 est prévu :
 Supplément 3 : Modélisation
Dans la mesure où le contenu du Guide ISO/CEI 98-3:2008/Suppl.1:2011 est identique à celui du

JCGM 101:2011, le symbole décimal est un point dans la version anglaise et une virgule dans la version
française.
L'Annexe ZA a été ajoutée pour fournir une liste de Guides ISO/CEI et de documents élaborés sous la
conduite du JCGM pour lesquels des équivalents ne sont pas donnés dans le texte.
© ISO/CEI 2012 – Tous droits réservés v

GUIDE ISO/CEI 98-4:201(F) -&*0
Évaluation des données de mesure — Le rôle de l’incertitude de

mesure dans l’évaluation de la conformité
Les droits d'auteur du présent document, élaboré sous la conduite du JCGM, appartiennent conjointement
aux organisations membres du JCGM (BIPM, CEI, FICC, ILAC, ISO, UICPA, UIPPA et OIML).
Droits d'auteur
Les droits économiques et moraux attachés aux publications du JCGM font l'objet d'une protection
internationale, même si des versions électroniques peuvent en être téléchargées gratuitement sur les sites
internet d'une ou de plusieurs organisations membres du JCGM. Les tiers ne sont pas autorisés, sans accord
écrit du JCGM, à réécrire ou à modifier ses publications, à vendre des copies au public, ni à diffuser ou à
mettre en ligne ses publications. De même, le JCGM s'oppose aux altérations, ajouts et censures qui
pourraient être faits à ses publications, y compris à ses titres, slogans ou logos, et ceux de ses organisations
membres.
Versions faisant foi et traductions
Les seules versions qui font foi sont les versions originales des documents publiés par le JCGM, dans leur
langue originale.
Les publications du JCGM peuvent faire l'objet de traductions dans d'autres langues que celles dans
lesquelles le document a été publié originellement par le JCGM. L'accord du JCGM doit être obtenu avant
qu'une traduction puisse être faite. Toutes les traductions doivent respecter le format, les formules et unités
originaux et faisant foi (sans aucune conversion de formules ou d'unités) et faire mention de la phrase
suivante (devant être traduite vers la langue de traduction):
Tous les travaux du JCGM font l'objet de droits d'auteurs protégés internationalement. La présente
traduction du document original du JCGM a été établie avec l'accord du JCGM. Le JCGM conserve
l'intégralité des droits d'auteur, protégés internationalement, sur la forme et le contenu de ce document et
sur ses titres, slogans ou logos. Les organisations membres du JCGM conservent également l'intégralité
des droits, protégés internationalement, sur leurs titres, slogans ou logos contenus dans les publications
du JCGM. La seule version qui fait foi est le document publié par le JCGM, dans la langue originale.
Le JCGM ne peut être tenu responsable de la pertinence, de l'exactitude, de l'exhaustivité ou de la qualité des
informations ou documentations contenues dans quelque traduction que ce soit. Une copie de la traduction
doit être adressée au JCGM au moment de la publication.
Reproduction
Les publications du JCGM peuvent être reproduites, sous réserve d'obtenir l'accord écrit du JCGM. Un
exemplaire de tout document reproduit doit être adressé au JCGM et doit faire mention de la phrase suivante:
Ce document est reproduit avec l'accord du JCGM qui conserve l'intégralité des droits d'auteur, protégés
internationalement, sur la forme et le contenu de ce document et sur ses titres, slogans ou logos. Les
organisations membres du JCGM conservent également l'intégralité des droits, protégés
internationalement, sur leurs titres, slogans ou logos contenus dans les publications du JCGM. Les seules
versions qui font foi sont les versions originales des documents publiés par le JCGM.
vi © ISO/CEI±-&*02012 – Tous droits réservés

-&*0 GUIDE ISO/CEI 98-4:201(F)
Exonération de responsabilité
Le JCGM et ses organisations membres ont publié le présent document afin de faciliter l'accès à l'information
sur la métrologie. Ils s'efforcent de le mettre à jour régulièrement, mais ne peuvent garantir l'exactitude en tout
temps et ne sauraient être tenus pour responsables d'un quelconque dommage, direct ou indirect, pouvant
résulter de son utilisation. L'existence de références à des produits du commerce, quels qu'ils soient (y
compris, mais non limité à, tous logiciels, données ou matériels) ou de liens vers des sites internet sur
lesquels le JCGM et ses organisations membres n'ont aucun contrôle, et pour lesquels ils n'assument aucune
responsabilité, ne doit pas être interprétée comme une approbation, un endossement ou une recommandation
par le JCGM et ses organisations membres.
© ISO/CEI±-&*02012 – Tous droits réservés vii

Avant-propos
En 1997, un Comité commun pour les guides en métrologie (JCGM), présidé par le Directeur du Bureau
International des Poids et Mesures (BIPM), a été formé par les sept organisations internationales qui avaient
initialement préparé en 1993 le Guide pour l'expression de l'incertitude de mesure (GUM) et le Vocabulaire
international de métrologie – concepts fondamentaux et généraux et termes associés (VIM). Le JCGM a
accepté de prendre sous sa responsabilité ces deux documents élaborés par le Groupe Technique
Consultatif 4 de l'ISO (TAG4).
Le Comité commun est constitué par le BIPM, avec la Commission électrotechnique internationale (CEI), la
Fédération internationale de chimie clinique et de biologie médicale (FICC), l'Organisation internationale de
normalisation (ISO), l'Union internationale de chimie pure et appliquée (UICPA), l'Union internationale de
physique pure et appliquée (UIPPA) et l'Organisation internationale de métrologie légale (OIML). Une autre
organisation a rejoint ces sept organisations internationales, à savoir la Coopération internationale sur
l'agrément des laboratoires d'essais (ILAC).
Le JCGM a deux Groupes de travail. Le Groupe de travail 1, « Expression de l'incertitude de mesure », a la

tâche de promouvoir l'usage du GUM et de préparer des suppléments et autres documents pour en élargir le
champ d'application. Le Groupe de travail 2, « Groupe de travail sur le Vocabulaire international des termes
généraux et fondamentaux de métrologie (VIM) », a la tâche de réviser le VIM et d'en promouvoir l'usage.
Pour plus d'informations sur l'activité du JCGM, voir www.bipm.org.
Les documents tels que le présent document sont destinés à conférer une valeur ajoutée au GUM en
fournissant des lignes directrices sur des aspects de l'évaluation et de l'utilisation de l'incertitude de mesure
qui ne sont pas traités explicitement dans le GUM. De telles lignes directrices seront aussi cohérentes que
possible avec la base probabiliste générale du GUM.
Le présent document a été élaboré par le Groupe de travail 1 du JCGM et a bénéficié des revues détaillées
effectuées par des organisations membres du JCGM et des Instituts nationaux de métrologie.
viii © ISO/CEI±-&*02012 – Tous droits réservés

Introduction
L'évaluation de la conformité (voir 3.3.1), au sens large, désigne toute activité entreprise pour déterminer,
directement ou indirectement, si un produit, un processus, un système, un individu ou un organisme applique
les normes pertinentes et satisfait aux exigences spécifiées (voir 3.3.3). L'ISO/CEI 17000:2004 spécifie des
termes généraux et leurs définitions relatifs à l'évaluation de la conformité, y compris l'accréditation des
organismes d'évaluation de la conformité, et à l'utilisation de l'évaluation de la conformité pour faciliter le
commerce.
Dans un type particulier d'évaluation de la conformité, parfois appelé inspection (voir 3.3.2), la détermination
qu’un produit vérifie une exigence spécifique repose sur le mesurage comme principale source d'information.
L'ISO 10576-1:2003 [22] établit des lignes directrices pour la vérification de la conformité à des limites
spécifiées dans le cas où une grandeur (voir 3.2.1) est mesurée et où l’intervalle élargi obtenu (voir 3.2.7)
(appelé « intervalle d'incertitude » dans l'ISO 10576-1:2003) est comparé à un intervalle de tolérance
(voir 3.3.5). Le présent document étend cette approche afin d'inclure la prise en compte explicite des risques,
et développe des procédures générales permettant de déterminer la conformité sur la base de résultats de
mesure (voir 3.2.5), en reconnaissant le rôle central des lois de distributions de probabilité (voir 3.1.1) dans
les expressions de l'incertitude et d'une information incomplète.
L'évaluation de l'incertitude de mesure est un problème technique dont la solution est traitée dans le
JCGM 100:2008, Guide pour l'expression de l'incertitude de mesure (GUM) et ses suppléments,
JCGM 101:2008, JCGM 102:2011 et JCGM 103 [3]. Le présent document suppose qu'une grandeur d'intérêt,
le mesurande (voir 3.2.4), a été mesurée, le résultat de la mesure étant exprimé d'une manière compatible
avec les principes décrits dans le GUM. En particulier, il est supposé que des corrections ont été appliquées
pour tenir compte de tous les effets systématiques reconnus comme significatifs.
Dans l'évaluation de la conformité, un résultat de mesure est utilisé pour déterminer si un élément d'intérêt
satisfait à une exigence spécifiée. L'élément peut être, par exemple, une cale étalon ou un voltmètre
numérique à étalonner conformément à l'ISO/CEI 17025:2005 [23] ou vérifier conformément à l'ISO 3650 [24],
ou un échantillon d'eau résiduaire industrielle. L'exigence prend généralement la forme d'une ou deux limites
de tolérance (voir 3.3.4) définissant un intervalle de valeurs admissibles, appelé intervalle de tolérance (voir
3.3.5), d'une propriété mesurable de l'élément. De telles propriétés comprennent, par exemple, la longueur
d'une cale étalon, l'erreur d'indication d'un voltmètre et la concentration massique de mercure dans un
échantillon d'eau résiduaire. Si la valeur vraie de la propriété se situe à l’intérieur de l’intervalle de tolérance,
l'élément est dit conforme, sinon, il est non conforme.
NOTE Le terme « intervalle de tolérance », tel qu'il est utilisé dans le cadre de l'évaluation de la conformité, a une
signification différente de celle utilisée dans le domaine des statistiques.
En règle générale, la décision en matière de conformité d'un élément dépendra d'un certain nombre de
propriétés mesurées et un ou plusieurs intervalles de tolérance peuvent être associés à chaque propriété. Il
peut également y avoir plusieurs décisions possibles en ce qui concerne chaque propriété, étant donné le
résultat d'un mesurage. Après avoir mesuré une grandeur particulière, par exemple, on peut décider
(a) d'accepter l'élément, (b) de rejeter l'élément, (c) d'effectuer une autre mesure, et ainsi de suite. Le présent
document traite d'éléments ayant une seule propriété scalaire associée à une exigence spécifiée par une ou
deux limites de tolérance, et un résultat binaire dans lequel il n'existe que deux états possibles de l'élément,
conforme ou non conforme, et deux décisions correspondantes possibles, acceptation ou rejet. Les concepts
présentés peuvent être étendus à des problèmes décisionnels plus généraux.
© ISO/CEI±-&*02012 – Tous droits réservés ix

Lors de l'évaluation de résultats de mesure, la connaissance des valeurs possibles d'un mesurande est, en
général, codée et transmise par une fonction de densité de probabilité (voir 3.1.3) ou une approximation
numérique d'une telle fonction. Une telle connaissance est souvent résumée en donnant la meilleure
estimation (prise en tant que valeur mesurée (voir 3.2.6)) ainsi qu'une incertitude de mesure associée, ou un
intervalle élargi qui contient la valeur du mesurande avec une probabilité de couverture indiquée (voir 3.2.8).
Une évaluation de la conformité à des exigences spécifiées est donc une question de probabilité, fondée sur
les informations disponibles après avoir réalisé le mesurage.
Dans un mesurage type, le mesurande d'intérêt n'est pas lui-même observable. La longueur d'une cale étalon
en acier, par exemple, ne peut pas être observée directement, mais il est possible d'observer l'indication d'un
micromètre dont les touches sont en contact avec les extrémités de la cale. Une telle indication transmet des
informations sur la longueur de la cale au travers d'un modèle de mesure qui inclut, d'une part, les effets de
grandeurs d'influence telles que la dilatation thermique et, d'autre part, l'étalonnage du micromètre. Lors d'une
évaluation de la conformité, une décision du type acceptation/rejet est fondée sur les données observables
(valeurs mesurées, par exemple) permettant de déduire les valeurs possibles d'un mesurande non observable
[37].
En raison de l'incertitude de mesure, il existe toujours un risque de décision incorrecte concernant la

conformité ou la non-conformité d'un élément à une exigence spécifiée, fondée sur la valeur mesurée d'une
propriété de l'élément. De telles décisions incorrectes sont de deux types : un élément accepté comme
conforme peut en réalité être non conforme, et un élément rejeté comme non conforme peut en réalité être
conforme.
En définissant un intervalle d'acceptation (voir 3.3.9) des valeurs mesurées admissibles d'un mesurande, les
risques de décisions incorrectes d'acceptation/rejet associées à l'incertitude de mesure peuvent être
équilibrés afin de réduire autant que possible les coûts associés à de telles décisions incorrectes. Le présent
document traite du problème technique associé au calcul de la probabilité de conformité (voir 3.3.7) et des
probabilités des deux types de décisions incorrectes, connaissant la fonction de densité de probabilité (PDF)
pour le mesurande, les limites de tolérance et les limites de l'intervalle d'acceptation.
Un intervalle d'acceptation particulier, et sa relation avec un intervalle de tolérance correspondant, sont

présentés à la Figure 1.
Figure 1 — Évaluation de conformité binaire lorsque les décisions sont fondées sur des valeurs
mesurées. La valeur vraie d'une propriété mesurable (le mesurande) d'un élément est spécifiée
comme devant se situer dans un intervalle de tolérance défini par les limites (TL, TU). L'élément est
accepté comme conforme si la valeur mesurée de la propriété se situe à l’intérieur d’un intervalle
défini par les limites d'acceptation (voir 3.3.8) (AL, AU) ; sinon, il est rejeté comme non conforme.
Le choix des limites de tolérance et des limites d'acceptation est une décision opérationnelle ou stratégique
qui dépend des conséquences associées aux écarts par rapport à la qualité prévue du produit. Le traitement
général de la nature de telles décisions ne relève pas du domaine d'application du présent document ; voir
par exemple les références [14, 15, 34, 35, 36, 44].
x © ISO/CEI±-&*02012 – Tous droits réservés

Incertitude de mesure —
Partie 4:
Rôle de l'incertitude de
mesure dans l'évaluation de la conformité
1 Domaine d'application
Le présent document fournit des lignes directrices et des procédures permettant d'évaluer la conformité d'un
élément (entité, objet ou système) à des exigences spécifiées. L'élément peut être, par exemple, une cale
étalon, une balance d'épicerie ou un échantillon de sang. Les procédures peuvent être appliquées lorsque les
conditions suivantes existent :
 l'élément se distingue par une grandeur scalaire unique (voir 3.2.1) (une propriété mesurable) définie à
un niveau de détail suffisant pour être raisonnablement représentée par une valeur vraie par essence
unique ;
NOTE Le GUM fournit une justification pour la non-utilisation du terme « vraie », mais celui-ci sera conservé
dans le présent document lorsqu'il y a un risque d'ambiguïté ou de confusion.
 un intervalle de valeurs admissibles de la propriété est spécifié par une ou deux limites de tolérance ;
 la propriété peut être mesurée et le résultat de mesure (voir 3.2.5) exprimé de manière cohérente avec
les principes du GUM, de telle sorte que la connaissance de la valeur de la propriété puisse être
raisonnablement décrite par (a) une fonction de densité de probabilité (voir 3.1.3) (PDF), (b) une fonction
de répartition (voir 3.1.2), (c) des approximations numériques de telles fonctions ou (d) la meilleure
estimation, accompagnée d’ intervalle élargi et d’une probabilité de couverture associée.
Les procédures développées dans le présent document peuvent être utilisées pour déterminer un intervalle,
appelé intervalle d'acceptation, de valeurs mesurées admissibles de la propriété d'intérêt. Les limites
d'acceptation peuvent être choisies de manière à répartir les risques d’accepter des éléments non conformes
(risque client) ou de rejeter des éléments conformes (risque fournisseur).
Deux types de problèmes d'évaluation de la conformité sont traités. Le premier est la détermination de limites
d'acceptation permettant de s'assurer que la probabilité de conformité souhaitée pour un élément unique
mesuré soit atteinte. Le deuxième est la détermination de limites d'acceptation permettant d'assurer un niveau
de confiance acceptable en moyenne lorsque de nombreux éléments (nominalement identiques) sont
mesurés. Des lignes directrices sont fournies pour la résolution de ces problèmes.
Le présent document contient des exemples illustrant les lignes directrices fournies. Les concepts présentés
peuvent être étendus à des problèmes plus généraux d'évaluation de la conformité fondés sur des mesurages
d'un ensemble de mesurandes scalaires. Des documents tels que les références [19, 13] couvrent des
aspects sectoriels de l'évaluation de la conformité.
L'audience du présent document comprend les responsables qualité, les membres des organisations de
normalisation, les autorités d'accréditation et le personnel des laboratoires d'essais et de mesures, les
organismes de contrôle, les organismes de certification, les organismes de réglementation, les universités et
les chercheurs.
© ISO/CEI±-&*02012 – Tous droits réservés 1

GUIDE ISO/CEI 98-4:2012(F) -&*0
2 Références normatives
Les documents de référence suivants sont indispensables pour l'application du présent document. Pour les
références datées, seule l'édition citée s'applique. Pour les références non datées, la dernière édition du
document de référence s'applique (y compris les éventuels amendements).
JCGM 100:2008, Évaluation des données de mesure — Guide pour l'expression de l'incertitude de mesure
(GUM)
JCGM 101:2008, Évaluation des données de mesure — Supplément 1 au « Guide pour l'expression de
l'incertitude de mesure » — Propagation de distributions par une méthode de Monte Carlo
JCGM 102:2011, Évaluation des données de mesure — Supplément 2 au « Guide pour l'expression de
l'incertitude de mesure » — Extension à un nombre quelconque de grandeurs de sortie
JCGM 200:2012, Vocabulaire international de métrologie — Concepts fondamentaux et généraux et termes

associés (VIM3)
ISO/CEI 17000:2004, Évaluation de la conformité — Vocabulaire et principes généraux
ISO 3534-1:2006, Statistique — Vocabulaire et symboles — Partie 1 : Termes statistiques généraux et termes
utilisés en calcul des probabilités
ISO 3534-2:2006, Statistique — Vocabulaire et symboles — Partie 2 : Statistique appliquée
3 Termes et définitions
Pour les besoins du présent document, les définitions données dans les JCGM 100:2010, JCGM 101:2008 et
JCGM 200:2012 s'appliquent, sauf indication contraire. Certaines des définitions les plus pertinentes issues
de ces documents sont données ci-après de façon succincte. Les informations supplémentaires, y compris les
notes et les exemples, se trouvent dans les références normatives.
Des définitions supplémentaires sont également données, y compris des définitions prises ou adaptées
d'autres sources, qui sont particulièrement importantes dans le cadre de l'évaluation de la conformité.
En ce qui concerne les définitions citant d'autres documents, une NOTE insérée avant une telle citation fait
partie de l'entrée citée ; les autres NOTES sont spécifiques au présent document.
Dans le présent document, les termes « indication » et « erreur maximale tolérée (d'une indication) » sont
considérés comme des grandeurs plutôt que comme des valeurs, contrairement au JCGM 200:2012.
NOTE Les citations ayant la forme [JCGM 101:2008, 3.4] renvoient aux paragraphes indiqués de la référence
mentionnée.
3.1 Termes relatifs à la probabilité
3.1.1
loi de probabilité
distribution
mesure de probabilité induite par une variable aléatoire
NOTE Il existe de nombreuses représentations mathématiques équivalentes d'une distribution comprenant la

fonction de répartition (voir 3.1.2), la fonction de densité de probabilité, si elle existe (voir 3.1.3), et la fonction
caractéristique.
[Adaptée de l'ISO 3534-1:2006, 2.11]
2 © ISO/CEI±-&*02012 – Tous droits réservés

-&*0 GUIDE ISO/CEI 98-4:2012(F)
3.1.2
fonction de répartition
fonction donnant, pour toute valeur , la probabilité que la variable aléatoire X soit inférieure ou égale à  :
G x    Pr  X   
[JCGM 101:2008, 3.2]
3.1.3
fonction de densité de probabilité
PDF
dérivée, lorsqu'elle existe, de la fonction de répartition
g x    dG   d
NOTE gX() d est la « probabilité élémentaire ».
g x  d  Pr   X    d 
[Adaptée du JCGM 101:2008, 3.3]
3.1.4
loi normale
loi de probabilité d'une variable aléatoire continue X ayant la fonction de densité de probabilité
 1     
g x   
1
exp  
 2  2   
pour -  <  < + 
NOTE 1  est l'espérance mathématique (voir 3.1.5) et  est l'écart-type (voir 3.1.7) de X.
NOTE 2 La loi normale est également connue en tant que loi de Gauss.
[JCGM 101:2008, 3.4]
3.1.5
espérance mathématique
pour une variable aléatoire continue X caractérisée par une fonction de densité de probabilité gX(),

E X  
 g

x   d
NOTE 1 L’espérance mathématique est également connue comme la « moyenne ».
NOTE 2 Les variables aléatoires n'ont pas toutes d’espérance mathématique.
NOTE 3 L'espérance mathématique de la variable aléatoire Z = F(X), pour une fonction donnée F(X), est

E Z   E F  X  
 F  g

x   d
[JCGM 101:2008, 3.6]

GUIDE ISO/CEI 98-4:2012(F) -&*0
3.1.6
variance
pour une variable aléatoire continue X caractérisée par une fonction de densité de probabilité gX(),

V X  
   E X  g x   d
2

NOTE 1 Les variables aléatoires ne possèdent pas toutes une variance.
[JCGM 101:2008, 3.7]
3.1.7
écart-type
racine carrée positive de la variance
[JCGM 101:2008, 3.8]
3.2 Termes relatifs à la métrologie
3.2.1
grandeur
propriété d'un phénomène, d'un corps ou d'une substance, que l'on peut exprimer quantitativement sous
forme d'un nombre et d'une référence
[JCGM 200:2012, 1.1]
3.2.2
valeur d'une grandeur
valeur
ensemble d'un nombre et d'une référence constituant l'expression quantitative d'une grandeur
[JCGM 200:2012, 1.19]
3.2.3
valeur vraie
valeur vraie d'une grandeur
valeur d'une grandeur compatible avec la définition de la grandeur
[JCGM 200:2012, 2.11]
3.2.4
mesurande
grandeur que l'on veut mesurer
[JCGM 200:2012, 2.3]
NOTE Dans le présent document, le mesurande est une propriété mesurable d'un élément d'intérêt.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
3.2.5
résultat de mesure
résultat d'un mesurage
ensemble de valeurs attribuées à un mesurande, complété par toute autre information pertinente disponible
NOTE Un résultat de mesure peut être exprimé de différentes manières en donnant, par exemple, (a) une valeur
mesurée avec une incertitude de mesure associée ; (b) un intervalle élargi pour le mesurande avec une probabilité de
couverture associée ; (c) une fonction de densité de probabilité ; ou (d) une approximation numérique d'une fonction de
densité de probabilité.
[JCGM 200:2012, 2.9]
3.2.6
valeur mesurée
valeur d'une grandeur représentant un résultat de mesure
NOTE Une valeur mesurée est également connue en tant qu'estimation, ou meilleure estimation, d'une grandeur.
[JCGM 200:2012, 2.10]
3.2.7
intervalle élargi
intervalle contenant l'ensemble des valeurs vraies d'un mesurande avec une probabilité déterminée, fondé sur
l'information disponible
[JCGM 200:2012, 2.36]
3.2.8
probabilité de couverture
probabilité que l'ensemble des valeurs vraies d'un mesurande soit contenu à l’intérieur d’un intervalle élargi
spécifié
[JCGM 200:2012, 2.37]
3.2.9
indication
valeur fournie par un instrument de mesure ou un système de mesure
NOTE 1 Une indication est souvent donnée par la position d'un pointeur pour une sortie analogique ou par un nombre
affiché ou imprimé pour une sortie numérique.
NOTE 2 Une indication est également connue en tant que lecture.
[Adaptée du JCGM 200:2012, 4.1]
3.3 Termes relatifs à l'évaluation de la conformité
3.3.1
évaluation de la conformité
activité visant à déterminer si les exigences spécifiées relatives à un produit, processus, système, personne
ou organisme sont respectées
[Adaptée de l'ISO/CEI 17000:2004, 2.1]

GUIDE ISO/CEI 98-4:2012(F) -&*0
3.3.2
inspection
évaluation de la conformité par observation et jugement, accompagnés le cas échéant par des mesurages,
essais ou calibrage
[Adaptée de l'ISO 3534-2:2006, 4.1.2]
NOTE Un mesurage réalisé dans le cadre de l'évaluation de la conformité est parfois appelé mesurage de contrôle.
3.3.3
exigence spécifiée
besoin ou attente formulé
NOTE Les exigences spécifiées peuvent être formulées dans des documents normatifs tels que les règlements, les
normes et les spécifications techniques.
[ISO/CEI 17000:2004, 3.1]
NOTE 1 Dans le contexte d'une exigence spécifiée, le terme « attente » (expectation en anglais) n'a aucun rapport
avec l'espérance mathématique (expectation en anglais) d'une variable aléatoire ; voir définition 3.1.5.
NOTE 2 Dans le présent document, une exigence spécifiée type prend la forme d'un intervalle spécifié de valeurs
admissibles d'une propriété mesurable d'un élément.
EXEMPLE 1 Un échantillon d'eau résiduaire industrielle (l'élément) doit avoir une concentration massique de mercure
dissous (la propriété) inférieure ou égale à 10 ng/L.
EXAMPLE 2 Une balance d'épicerie (l'élément) doit avoir une indication R (la propriété) comprise à l’intérieur de
l’intervalle [999,5 g ≤ R ≤ 1 000,5 g] lorsqu’un poids-étalon de 1 kg est mesuré.
3.3.4
limite de tolérance
limite de spécification
limite supérieure ou inférieure spécifiée des valeurs admissibles d'une propriété
[Adaptée de l'ISO 3534-2:2006, 3.1.3]
3.3.5
intervalle de tolérance
intervalle comprenant les valeurs admissibles d'une propriété
[Adaptée de l'ISO 10576-1:2003, 3.5]
NOTE 1 Sauf déclaration contraire dans une spécification, les limites de tolérance font partie de l’intervalle de
tolérance.
NOTE 2 Le terme « intervalle de tolérance », tel qu'il est utilisé dans le cadre de l'évaluation de la conformité, a une
signification différente de celle qu'il a lorsqu'il est utilisé dans le domaine des statistiques.
NOTE 3 Un intervalle de tolérance est appelé « zone de spécification » dans l'ASME B89.7.3.1:2001 [2].
3.3.6
tolérance
tolérance spécifiée
différence entre les limites de tolérance supérieure et inférieure
3.3.7
probabilité de conformité
probabilité qu'un élément satisfasse à une exigence spécifiée

-&*0 GUIDE ISO/CEI 98-4:2012(F)
3.3.8
limite d’acceptation
limite supérieure ou inférieure spécifiée des valeurs mesurées admissibles
[Adaptée de l'ISO 3534-2:2006, 3.1.6]
3.3.9
intervalle d'acceptation
intervalle comprenant les valeurs mesurées admissibles
NOTE 1 Sauf indication contraire dans une spécification, les limites de tolérance font partie de l’intervalle
d'acceptation.
NOTE 2 Un intervalle d'acceptation est appelé « zone d'acceptation » dans l'ASME B89.7.3.1 [2].
3.3.10
intervalle de rejet
intervalle comprenant les valeurs mesurées non admissibles
NOTE 1 Un intervalle de rejet est appelé « zone de rejet » dans l'ASME B89.7.3.1 [2].
3.3.11
bande de garde
intervalle entre une limite de tolérance et une limite d’acceptation correspondante
NOTE La bande de garde inclut les limites.
3.3.12
règle de décision
règle documentée décrivant la manière dont l'incertitude de mesure sera prise en compte en ce qui concerne
l'acceptation ou le rejet d'un élément, étant donné une exigence spécifiée et le résultat d’un mesurage
[Adaptée de l'ASME B89.7.3.1:2001 [2]
3.3.13
risque client spécifique
probabilité qu'un élément accepté particulier soit non conforme
3.3.14
risque fournisseur spécifique
probabilité qu'un élément rejeté particulier soit conforme
3.3.15
risque client global
risque client
probabilité qu'un élément non conforme soit accepté sur la base d'un résultat de mesure ultérieur
3.3.16
risque fournisseur global
risque fournisseur
probabilité qu'un élément conforme soit rejeté sur la base d'un résultat de mesure ultérieur
3.3.17
indice de capabilité de mesurage
tolérance divisée par un multiple de l'incertitude-type de mesure associée à la valeur mesurée d'une propriété
d'un élément
NOTE Dans le présent document, le multiple retenu est 4 ; voir 7.6.3.

GUIDE ISO/CEI 98-4:2012(F) -&*0
3.3.18
erreur maximale tolérée (d'une indication)
EMT
pour un instrument de mesure, différence maximale, autorisée par les spécifications ou les règlements, entre
l'indication de l’instrument et la grandeur mesurée
NOTE 1 Lorsque plus d'une différence maximale est spécifiée, le terme « erreurs maximales tolérées » est utilisé ; par
exemple, une différence négative maximale spécifiée et une différence positive maximale spécifiée.
NOTE 2 L'erreur d'indication peut être écrite sous la forme E = R - R0, où R est l'indication et R0 désigne l'indication d'un
instrument de mesure idéal mesurant le même mesurande Y. Lors des essais et de la vérification d'un instrument de
mesure, l'erreur d'indication est généralement évaluée en mesurant un étalon de référence étalonné
4 Conventions et notation
Pour les besoins du présent document, les conventions, la notation et la terminologie suivantes sont
adoptées.
4.1 Dans le GUM, l'incertitude-type associée à une estimation y d'un mesurande Y est désignée par uc(y).
L'indice « c », désignant l'incertitude-type « composée », est jugé redondant et n'est pas utilisé dans le
présent document (voir JCGM 101:2008, 4.10).
4.2 Une expression écrite sous la forme A =: B signifie que B est défini par A.
4.3 Lorsqu'aucune confusion n'est possible, le symbole u, plutôt que u(y), sera utilisé pour simplifier la
notation. L'incertitude élargie U est généralement prise comme étant U = ku en utilisant un facteur
d'élargissement k = 2 ; la valeur de k est indiquée explicitement lorsqu'une ambiguïté est possible.
4.4 Une propriété d'intérêt (le mesurande) est considérée comme une variable aléatoire Y ayant des
valeurs possibles . Lorsque Y est mesuré, l'évaluation des résultats de mesure aboutit à une valeur mesurée
m, considérée comme étant une réalisation d'une variable aléatoire observable Ym. En général, la valeur
mesurée m s'écartera de Y d'une erreur inconnue E qui dépend des effets aléatoires et systématiques.
4.5 Un intervalle de tolérance spécifie les valeurs admissibles du mesurande Y. Une décision d'évaluation
de la conformité est fondée sur la valeur mesurée m et sur la relation de m par rapport à un intervalle
d'acceptation défini.
4.6 La connaissance des grandeurs Y et Ym est codée et transmise par des fonctions de densité de
probabilité conditionnelles dont la forme dépend de l'information disponible. Les fonctions de densité de
probabilité conditionnelles sont écrites avec une barre verticale, l'information à droite de la barre étant
considérée comme donnée. La fonction de densité de probabilité pour un mesurande Y avant mesurage est
gYI(I), où le symbole I désigne une information a priori.
4.7 Après le mesurage d'une propriété d'intérêt, donnant une valeur mesurée observée m, la fonction de
densité de probabilité a posteriori pour Y est gYm,I(m,I).
4.8 Les fonctions de densité de probabilité analogues pour les valeurs possibles m de la grandeur de
sortie du système de mesure Ym sont (a), gYmI(mI), en codant la croyance dans les valeurs mesurées
possibles étant donné uniquement l'information a priori I, et (b), gYm,I(m,I), la fonction de densité de
probabilité analogue lorsque, en plus de l'information a priori I, le mesurande est supposé avoir une valeur
vraie donnée Y = .

-&*0 GUIDE ISO/CEI 98-4:2012(F)
4.9 Par souci de concision, dans le présent document, la présentation explicite de l'information a priori fixe I
est souvent omise. De plus, les fonctions de densité de probabilité pour Y et Ym sont exprimées en termes de
symboles g et h respectivement, en utilisant la notation suivante dans laquelle les indices sont en grande
partie supprimés :
 Pour la connaissance avant mesurage du mesurande Y,
 
g  I  I : g 0   ;
 Pour la connaissance après mesurage du mesurande Y,
g 
m ,I
 m, I  : g  m 
 Connaissance des valeurs mesurées possibles, étant donné uniquement l'information a priori I,
g
m I m I  : h0 m 
 Connaissance de Ym en supposant, en plus de l'information I, une valeur donnée Y =  du mesurande,
  
g   ,I m , I : h m 
m

Ces fonctions de densité de probabilité ne sont pas indépendantes, mais liées par le théorème de Bayes
(voir 6.2).
4.10 Conformément à la Résolution 10 de la 22ème CGPM (2003) « … le symbole du séparateur décimal doit
être le point sur la ligne ou la virgule sur la ligne… ». Le JCGM a décidé d'adopter le point sur la ligne dans
ses documents en anglais.
5 Limites de tolérance et intervalles de tolérance
5.1 Mesurages pour l'évaluation de la conformité
5.1.1 Considérons une situation dans laquelle une propriété d'un élément d'intérêt, telle que l'erreur
d'indication d'un voltmètre, est mesurée afin de décider si l'élément est conforme ou non à une exigence
spécifiée. Un tel essai de conformité comprend une séquence de trois opérations :
 mesurer la propriété d'intérêt ;
 comparer le résultat de mesure à l'exigence spécifiée ;
 décider d'une action ultérieure.
5.1.2 Dans la pratique, une fois le résultat de mesure obtenu, les opérations de comparaison/décision sont
généralement réalisées en utilisant une règle de décision préalablement établie et formulée (voir 3.3.12) qui
dépend du résultat de mesure, de l'exigence spécifiée et des conséquences d'une décision incorrecte.
5.1.3 Des lignes directrices concernant la formulation d'une règle de décision sont disponibles.
L'ISO 14253-1 [21] et l'ASME B89.7.3.1 [2] fournissent des lignes directrices pour documenter une règle de
décision choisie et pour décrire le rôle de l'incertitude de mesure dans la détermination des limites
d'acceptation. Ces documents traitent des règles de décision impliquant au moins deux décisions possibles,
et incluent la règle de décision binaire qui est mentionnée dans le présent document comme un cas
particulier.

GUIDE ISO/CEI 98-4:2012(F) -&*0
5.1.4 Un mesurage réalisé dans le cadre d'une évaluation de la conformité est destiné à obtenir des
informations suffisantes pour permettre une prise de décision avec un niveau de risque acceptable. Une
stratégie de mesurage appropriée recherchera un équilibre entre le coût d'une réduction de l'incertitude de
mesure et l'avantage d'une connaissance plus certaine de la valeur vraie du mesurande.
5.1.5 Un mesurage de contrôle, avec une règle de décision associée, est donc étroitement lié à des
questions telles que les coûts et les risques. De ce fait, la conception d'une évaluation de la conformité
satisfaisante n'est souvent pas un exercice purement technique. Si l'objectif est de réduire le coût, alors, pour
un modèle économique approprié donné, le problème peut être réduit à un calcul direct.
5.2 Valeurs admissibles et non admissibles : intervalles de tolérance
5.2.1 Dans le présent document, les exigences spécifiées pour un mesurande d'intérêt consistent en des
valeurs limites, appelées limites de tolérance, qui séparent les intervalles de valeurs admissibles du
mesurande des intervalles de valeurs non admissibles [22]. Les intervalles de valeurs admissibles, appelés
intervalles de tolérance, sont de deux types :
 un intervalle de tolérance unilatéral ayant une limite de tolérance supérieure ou inférieure ;
 un intervalle de tolérance bilatéral ayant des limites de tolérance supérieure et inférieure.
Dans les deux cas, un élément est conforme à l'exigence spécifiée si la valeur vraie du mesurande se situe à
l’intérieur de l'intervalle de tolérance et n'est pas conforme dans le cas contraire. Les intervalles de tolérance
ci-dessus sont illustrés à la Figure 2.
5.2.2 Des intervalles de tolérance apparemment unilatéraux ont souvent des limites implicites
supplémentaires, pour des raisons physiques ou théoriques, qui ne sont pas indiquées explicitement [22]. De
tels intervalles de tolérance sont effectivement bilatéraux, avec une limite spécifiée et une limite implicite ; voir
les exemples 4 et 5 ci-dessous.
Figure 2 — Intervalles de tolérance. (a) Intervalle unilatéral ayant une seule limite de tolérance
inférieure TL ; (b) intervalle unilatéral ayant une seule limite de tolérance supérieure TU ; (c) intervalle
bilatéral ayant des limites de tolérance inférieure et supérieure. La différence TU - TL est appelée
tolérance.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
NOTE 1 Dans certains cas, tels que la sécurité des aliments ou la protection de l'environnement, le fait de spécifier des
limites de tolérance lors de l'évaluation de la conformité peut impliquer des incertitudes liées à la difficulté d'évaluer les
conséquences de décisions incorrectes [29]. Un problème connexe lors de l'analyse de la fiabilité, appelé incertitude de
complétude, est associé aux contributions au risque non analysées [31].
NOTE 2 Les questions telles que l'incertitude de complétude n'ont aucun rapport avec l'incertitude de mesure associée
à l’estimation d'un mesurande obtenue lors d'un mesurage de contrôle. Dans le présent document, les limites de tolérance
sont considérées comme des constantes fixées.
5.3 Exemples de limites de tolérance
EXEMPLE 1 Une seule limite de tolérance supérieure
La tension de claquage Vb pour un certain type de diode Zener est spécifiée comme étant inférieure ou égale à – 5,4 V.
Pour une diode conforme, Vb se situe à l’intérieur de l’intervalle ouvert Vb ≤ - 5,4 V.
EXEMPLE 2 Une seule limite de tolérance inférieure
Une canette pour boissons gazeuses doit avoir une résistance à l'éclatement B supérieure ou égale à 490 kPa. Les
valeurs conformes de B se situent à l’intérieur de l’intervalle ouvert B ≥ 490 kPa.
EXEMPLE 3 Limites de tolérance supérieure et inférieure explicites
Un poids de 1 kg de Classe E1 selon l'OIML [25] est spécifié comme ayant une erreur maximale tolérée (EMT) de
500 µg. Cela signifie que la masse m du poids est spécifiée comme n'étant pas inférieure à 0,999 999 5 kg ni supérieure à
1,000 000 5 kg. Un poids de 1 kg conforme est un poids pour lequel l'erreur de masse E = m - m0, avec m0 = 1 kg, se situe
à l’intérieur de l’intervalle - 500 µg ≤ E ≤ 500 µg.
EXEMPLE 4 Limites de tolérance supérieure explicite et inférieure implicite
Une réglementation environnementale exige que la concentration massique X de mercure dans un effluent d'eau
résiduaire industrielle ne soit pas supérieure à 10 ng/L, qui est une limite de tolérance supérieure explicite. Étant donné
que la concentration massique ne peut pas être inférieure à zéro, il existe une limite de tolérance inférieure implicite de
0 ng/L. Un échantillon d'eau résiduaire est conforme à la réglementation si la concentration massique de mercure dans
l'échantillon se situe à l’intérieur de l’intervalle 0 ng/L ≤ X ≤ 10 ng/L.
EXEMPLE 5 Limites de tolérance inférieure explicite et supérieure implicite
Le benzoate de sodium en poudre, utilisé comme conservateur dans les denrées alimentaires, doit avoir une pureté P,
exprimée en fraction massique à sec en pourcentage, supérieure ou égale à 99,0 %, qui est une limite de tolérance
inférieure explicite. La pureté ne peut pas être supérieure à 100 %, qui est une limite de tolérance supérieure implicite. Un
échantillon conforme de benzoate de sodium est un échantillon dont la pureté se situe à l’intérieur de l’intervalle
99,0 % ≤ P ≤ 100 %.
6 Connaissance du mesurande
6.1 Probabilité et information
6.1.1 Lors des mesurages réalisés dans le cadre d'une évaluation de la conformité, la connaissance d'une
propriété d'intérêt (le mesurande) est modélisée par une fonction de densité de probabilité conditionnelle dont
la forme dépend de l'information disponible. Une telle information a toujours deux éléments : celui qui est
disponible avant la réalisation du mesurage (appelé information a priori) et l'information supplémentaire
fournie par le mesurage [38].

GUIDE ISO/CEI 98-4:2012(F) -&*0
6.1.2 La fonction de densité de probabilité pour une propriété d'intérêt (le mesurande) code et transmet la
croyance en ses valeurs possibles, étant donné un état de connaissance particulier. Un mesurande mal
connu a généralement une fonction de densité de probabilité étendue par rapport aux exigences d'une
évaluation de la conformité, indiquant un intervalle étendu de valeurs possibles compatibles avec une faible
information. La réalisation d'un mesurage fournit une nouvelle information permettant d'affiner la fonction de
densité de probabilité et de réduire l'intervalle des valeurs possibles du mesurande.
6.1.3 L'effet d'un mesurage est donc de mettre à jour un état de connaissance avant mesurage (ou a priori)
pour obtenir un état de connaissance après mesurage (ou a posteriori) qui inclut les résultats de mesure. Pour
cette transformation, la règle est appelée théorème de Bayes et le cadre mathématique sous-jacent est connu
en tant que théorie de probabilité bayésienne. Dans le présent document, les résultats ainsi obtenus sont
utilisés sans développement détaillé ni preuve. Une littérature considérable est disponible ; voir par exemple
les références [4, 5, 16, 26, 27, 39].
6.2 Théorème de Bayes
6.2.1 Lors de l'évaluation de la conformité, une propriété mesurable Y d'un élément d'intérêt est considérée
comme une variable aléatoire ayant des valeurs possibles désignées par . Avant de mesurer Y, la croyance
raisonnable en ses valeurs possibles est caractérisée par une fonction de densité de probabilité a priori (avant
mesurage) g0() dont la forme ne dépend pas du système de mesure (voir 4.9).
6.2.2 La fonction de densité de probabilité a priori g0() est souvent assignée sur la base de la
connaissance acquise par des mesurages antérieurs d'éléments similaires. Les méthodes d'assignation d'une
fonction de densité de probabilité a priori pour une propriété d'intérêt sont discutées dans l'Annexe B.
6.2.3 Lors d'un mesurage de contrôle type, la grandeur Y est mesurée en utilisant une procédure conçue
pour fournir suffisamment d'information pour évaluer la conformité à une exigence spécifiée.
NOTE 1 Le même symbole est utilisé pour une grandeur et pour la variable aléatoire qui représente cette grandeur
(voir [GUM 4.1.1 note 1]).
NOTE 2 Des lignes directrices concernant l'assignation de fonctions de densité de probabilité dans certaines situations
courantes sont données dans le JCGM 101:2008 et l'Annexe B.
6.2.4 La sortie du système de mesure est une grandeur considérée comme une variable aléatoire Ym, ayant
des valeurs possibles désignées par m. Le mesurage de Y donne une réalisation particulière, la valeur
mesurée m (voir 3.2.6 et 4.4), et la fonction de densité de probabilité a posteriori (après mesurage) qui en
résulte pour Y, étant donné cette nouvelle information, est écrite sous la forme suivante
  
g  Ym  m : g  m 
6.2.5 Les fonctions de densité de probabilité a priori et a posteriori sont liées par le théorème de Bayes
  
g  m  Cg 0  h m   (1)

où, étant donné une valeur mesurée m, C est une constante choisie de telle sorte que  g   m d  1 . Le

terme h(m) dans l'expression (1) est la fonction de densité de probabilité pour les valeurs possibles de Ym,
étant donné une valeur particulière Y =  du mesurande.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
6.2.6 Exprimée comme une fonction de  pour une valeur mesurée m, la fonction de densité de probabilité
h(m) est appelée vraisemblance de  sachant m, et s'écrit comme suit
 
h m   L ;m 
Un mesurage peut être considéré en termes de stimulus et de réponse ou en termes d'entrée et de sortie. À
cet égard, la fonction de vraisemblance L(;m) caractérise la distribution des stimuli ou entrées possibles
(valeurs de ) ayant pu provoquer la réponse ou la sortie observée (valeur mesurée m).
6.2.7 La forme de la fonction de vraisemblance dépendra du problème de mesurage spécifique et du

système de mesure, tels que décrits dans un modèle mathématique, ainsi que d'autres informations
pertinentes telles que les données historiques, l'étalonnage des instruments et les résultats de mesure
d'artéfacts étalonnés ou de matériaux de référence normalisés, et de l'expérience acquise avec des systèmes
similaires. Dans de nombreux cas pratiques, la fonction de vraisemblance peut être caractérisée par une loi
normale (de Gauss).
6.2.8 Le théorème de Bayes montre comment l'état de connaissance a posteriori (après mesurage) est
déduit d'une combinaison de l'information a priori (avant mesurage), codée dans la loi a priori, et de
l'information fournie par le mesurage, représentée par la fonction de vraisemblance.
6.2.9 Dans de nombreux cas, le système de mesure est employé pour compléter une connaissance a priori
relativement vague du mesurande avec une information de mesurage exacte. Dans un tel cas, la fonction de
densité de probabilité de l'état de connaissance a posteriori (après mesurage) est essentiellement définie par
la fonction de vraisemblance (codant l'information de mesurage), c'est-à-dire
  
g  m  Ch m  
avec une bonne approximation, où C est une constante.
6.3 Informations synthétiques
6.3.1 Meilleure estimation et incertitude-type
Un résultat de mesure est souvent résumé en donnant une estimation d'un mesurande et d’un paramètre
caractérisant la dispersion des valeurs probables autour de cette estimation. Dans le présent document,
l'estimation y d'une propriété Y est considérée comme étant l'espérance mathématique (voir 3.1.5) E(Ym). Le
paramètre de dispersion associé u(y) = u, appelé incertitude-type, est considéré comme étant l'écart-type
(voir 3.1.7) de Y, c'est-à-dire la racine carrée positive de la variance (voir 3.1.6) V(Ym).
E(Ym) et V(Ym) sont donnés par
 
g  m d , V Y m   u 2 
 
E Y m  y 
    y  g   d
2
m
 
6.3.1.1 L'incertitude-type u caractérise la dispersion de Y autour de l'estimation y. Lorsque la fonction de

densité de probabilité pour Y comporte un seul pic (unimodale) et est symétrique, l'estimation y est aussi la
valeur la plus probable de Y, c'est-à-dire le mode de la distribution.
6.3.1.2 Pour un mesurage analysé conformément au JCGM 100:2010 (GUM), l'évaluation des résultats
de mesure donne une estimation du mesurande (valeur mesurée), m, et une incertitude-type associée, um.
L'information a priori est supposée être tellement faible que la fonction de densité de probabilité après
mesurage, g(m), peut être résumée par l'estimation y = m et l'incertitude-type associée u = um (voir 7.6.1).

GUIDE ISO/CEI 98-4:2012(F) -&*0
6.3.2 Intervalles élargis
6.3.2.1 Après un mesurage, la probabilité que Y soit inférieur ou égal à une valeur donnée a est
a
 
Pr Y  a m  G a  
 g   d
m

 g   d
a
où G( z) = m est la fonction de répartition de Y, étant donné les valeurs m.

6.3.2.2 Il s'ensuit que la probabilité p que Y se situe à l’intérieur de l’intervalle [a,b], avec a < b, est
b

p  Pr a  Y  b m    g   d  Gb  Ga 
m (2)
a
6.3.2.3 Un intervalle tel que [a,b] est appelé intervalle élargi pour Y, et p est la probabilité de couverture
associée. Le JCGM 101:2008 donne des lignes directrices concernant la construction d'un intervalle élargi
ayant une probabilité de couverture souhaitée, y compris le cas d'une approximation discrète de la fonction de
répartition obtenue par une méthode de Monte Carlo.
6.3.2.4 Lorsque la fonction de densité de probabilité pour Y est symétrique et unimodale, un intervalle
élargi important et largement utilisé est celui centré sur la meilleure estimation y, avec une longueur égale à
un multiple de l'incertitude-type u. Le GUM définit une mesure supplémentaire de l'incertitude appelée
incertitude élargie, U, obtenue en multipliant l'incertitude-type u par un facteur d'élargissement k :
U = ku (3)
6.3.2.5 Le facteur d'élargissement est choisi de manière à obtenir une probabilité de couverture
souhaitée associée à l'intervalle élargi [y – U,y + U]. La relation entre k et la probabilité de couverture associée
dépend de la fonction de densité de probabilité pour Y.
NOTE 1 Un intervalle élargi ayant la forme [y – U,y + U] est parfois appelé intervalle d'incertitude, comme dans
l'ISO 10576-1:2003 3.7 [22].
NOTE 2 Si la fonction de densité de probabilité pour Y est asymétrique, il peut être plus approprié de déterminer
l'intervalle élargi le plus court pour une probabilité de couverture donnée. Voir le JCGM 101:2008, 5.3.4 pour les lignes
directrices concernant ce calcul.
7 Probabilité de conformité à des exigences spécifiées
7.1 Règle générale de calcul d'une probabilité de conformité
7.1.1 Un élément est conforme à une exigence spécifiée si la valeur vraie de sa propriété associée Y se
situe à l’intérieur de l’intervalle de tolérance. La connaissance de Y est transmise par une fonction de densité
de probabilité g(m) de telle sorte qu'une déclaration de conformité est toujours une inférence, avec une
certaine probabilité d'être vraie. En désignant par C l'ensemble des valeurs admissibles (conformes) de Y, la
probabilité de conformité, désignée par pc, est donnée par

pc  Pr Y  C m    g   d
m (4)
c

-&*0 GUIDE ISO/CEI 98-4:2012(F)
7.1.2 L'expression (4) donne la règle générale de calcul de la probabilité qu'un élément soit conforme à une
exigence spécifiée en se fondant sur le mesurage d'une propriété pertinente de l'élément. Étant donné un
intervalle de tolérance bilatéral pour le mesurande Y, ayant par exemple une limite inférieure TL et une limite
supérieure TU, C = [TL, TU] et la probabilité de conformité est
TU
pc 
 g   d
TL
m
7.1.3 Étant donné que l'élément est soit conforme soit non conforme à la spécification, la probabilité qu'il ne
soit pas conforme est pc  1  pc .
7.2 Probabilités de conformité avec des fonctions de densité de probabilité normales
7.2.1 La probabilité de conformité dépend de l'état de connaissance d'un mesurande Y tel que codé et
transmis par la fonction de densité de probabilité g(m). Dans de nombreux cas, il est raisonnable de
caractériser la connaissance de Y par une loi normale (voir 3.1.4) et cette probabilité peut être calculée. Si la
distribution a priori est normale et que le système de mesure (c'est-à-dire la fonction de vraisemblance) est
caractérisé par une loi normale, la loi g(m) est également une loi normale.
7.2.2 Plus généralement, si la fonction de vraisemblance est caractérisée par une loi normale et que
l'information a priori est insuffisante, alors la fonction de densité de probabilité a posteriori (après mesurage)
sera approximativement normale. Dans un tel cas, g(m) peut être approximée de manière adéquate par
une loi normale avec une espérance mathématique (moyenne) et un écart-type donnés par la meilleure
estimation y et une incertitude-type u calculée comme en 6.3.1.
NOTE 1 Une loi normale est complètement spécifiée par son espérance mathématique (moyenne) et son écart-type.
NOTE 2 Certaines propriétés des fonctions de densité de probabilité normales sont rappelées dans l'Annexe A.
7.2.3 En raison de leur caractère familier et de leur usage répandu, les fonctions de densité de probabilité
normales seront utilisées pour illustrer le calcul des probabilités de conformité dans de nombreux exemples
du présent document. De tels calculs peuvent être étendus au cas où un petit nombre d'indications donnent
lieu à une loi de t normalisée et décalée (voir JCGM 101:2008, 6.4.9).
7.2.4 Supposons que la fonction de densité de probabilité g(m) pour le mesurande Y soit (ou soit bien
approximée par) une loi normale spécifiée par une meilleure estimation (espérance mathématique) y et une
incertitude-type (écart-type) u. Alors, g(m) est donné par
 
 1    y 2 

g  m   1
exp    :  ; y, u 2 (5)
u 2  2 u  
 
7.2.5 En général, l'estimation y dépend de m, c'est-à-dire y = y (m). Lorsque la connaissance de Y est
faible avant le mesurage, alors généralement y  m ; voir A.4.4 pour un exemple où ce n'est pas le cas.

GUIDE ISO/CEI 98-4:2012(F) -&*0
7.2.6 À partir des étapes conduisant à l'expression (2), la probabilité que Y se situe à l’intérieur de
l’intervalle [a,b], étant donné la fonction de densité de probabilité (5), est

Pr a  Y  b m   
b y a y
    (6)
 u   u 
où y = y (m) et
 exp t 2dt
z
 z  
1 2
2

est la fonction de répartition normale centrée réduite (voir l'Annexe A).
7.3 Intervalles de tolérance unilatéraux avec fonctions de densité de probabilité normales
7.3.1 Une seule limite de tolérance inférieure
La Figure 3 illustre un intervalle de tolérance unilatéral ayant une seule limite de tolérance inférieure TL. Les
valeurs conformes d'une propriété d'intérêt mesurable Y se situent à l’intérieur de l’intervalle  ≥ TL. La
connaissance de Y après un mesurage de contrôle est transmise par une fonction de densité de probabilité
normale, superposée à l'intervalle de tolérance dans la figure. La meilleure estimation y se situe à l’intérieur
de l’intervalle de tolérance ; la zone grisée à gauche de TL indique la probabilité que l'élément ne soit pas
conforme à la spécification. À partir de l'expression (6), avec a = TL, b  , et en notant que () = 1, la
probabilité de conformité est
T  y 
pc  1   L  (7)
 u 
Étant donné que (t) + (-t) = 1, la probabilité (7) peut s'écrire
 y  TL 
pc    (8)
 u 
Figure 3 — Intervalle de tolérance avec une seule limite de tolérance inférieure TL. La connaissance
d'une grandeur Y (la propriété d'intérêt mesurable) après mesurage est caractérisée par une fonction
de densité de probabilité normale avec une meilleure estimation y et une incertitude-type associée u.
Les valeurs conformes de Y se situent à l’intérieur de l’intervalle  ≥ TL.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
7.3.2 Une seule limite de tolérance supérieure
La Figure 4 montre une fonction de densité de probabilité normale superposée à un intervalle de tolérance
unilatéral ayant une seule limite de tolérance supérieure TU. Les valeurs conformes d'une propriété d'intérêt
mesurable Y se situent à l’intérieur de l’intervalle  ≤ TU. Dans ce cas, la région grisée à droite de TU indique la
probabilité que l'élément ne soit pas conforme à la spécification. À partir de l'expression (6), avec a  - ,
b = TU, et en notant que (-) = 0, la probabilité de conformité est
T  y 
pc   U  (9)
 u 
Figure 4 — Comme la Figure 3, mais avec une seule limite de tolérance supérieure TU. Les valeurs
conformes de Y se situent à l’intérieur de l’intervalle  ≤ TU.
7.3.3 Approche générale avec limites de tolérance uniques
Les probabilités (8) et (9) sont de la même forme et peuvent s'écrire de la façon suivante
pc   z  (10)
où z = (y - TL)/u pour une limite inférieure et z = (TU - y)/u pour une limite supérieure. Dans les deux cas, pc est
supérieur ou égal à ½ pour une estimation y à l’intérieur de l’intervalle de tolérance (z ≥ 0) et inférieur à ½
dans le cas contraire. Le Tableau 1 indique les valeurs de z pour plusieurs valeurs de la probabilité de
conformité pc.
Tableau 1 — Probabilités de conformité (pc) et de non-conformité ( pc  1  pc ) pour des intervalles de

tolérance unilatéraux et des fonctions de densité de probabilité normales. Pour une limite inférieure,
z = (y - TL)/u ; pour une limite supérieure, z = (TU - y)/u. Dans les deux cas, z ≥ 0 pour une estimation y à
l’intérieur de l’intervalle de tolérance.
pc pc z
0,80 0,20 0,84

0,90 0,10 1,28
0,95 0,05 1,64
0,99 0,01 2,33
0,999 0,001 3,09

GUIDE ISO/CEI 98-4:2012(F) -&*0
EXEMPLE 1 La tension de claquage Vb d'une diode Zener est mesurée, donnant une meilleure estimation
vb = - 5,47 V avec une incertitude-type associée u = 0,05 V. La spécification de la diode exige Vb ≤ - 5,4 V, qui est la limite
supérieure de la tension de claquage. Alors z = [- 5,40 - (- 5,47)]/0,05 = 1,40, et d'après l'expression (10),
pc = (1,40) = 0,92. La probabilité que la diode soit conforme à la spécification est de 92 %.
EXEMPLE 2 La résistance à l'éclatement B d'une canette est déterminée par un essai destructif à l'aide d'eau sous
pression. Le mesurage donne une meilleure estimation b = 509,7 kPa, avec une incertitude-type associée u = 8,6 kPa. La
spécification de la canette exige B ≥ 490 kPa, qui est la limite inférieure de la résistance à l'éclatement. Alors
z = (509,7 - 490)/8,6 = 2,3 et, d'après l'expression (10), pc = (2,3) = 0,99. La probabilité que la canette soit conforme à la
spécification avant l'essai destructif est de 99 %.
7.4 Intervalles de tolérance bilatéraux avec fonctions de densité de probabilité normales
La Figure 5 illustre un intervalle de tolérance bilatéral ayant des limites de tolérance TL et TU et une longueur
T = TU - TL définissant la tolérance T. Comme ci-dessus, la connaissance d'un mesurande Y est supposée être
transmise par une fonction de densité de probabilité normale. L'estimation y se situe à l’intérieur de l’intervalle
de tolérance et, dans la région  > TU, une fraction visible de la probabilité se situe au-delà de la limite de
tolérance supérieure.
Figure 5 — Comme la Figure 3, mais avec un intervalle de tolérance bilatéral. La longueur, TU - TL, de
l'intervalle est égale à la tolérance T. Les valeurs conformes de Y se situent à l’intérieur de l’intervalle
TL ≤  ≤ TU.
L'application de l'expression (6) avec b = TU et a = TL donne la probabilité de conformité
T  y T  y 
pc   U    L  (11)
 u   u 
EXEMPLE Un échantillon d'huile moteur SAE de qualité 40 doit avoir une viscosité cinématique Y à 100 °C
supérieure ou égale à 12,5 mm²/s et inférieure ou égale à 16,3 mm²/s. La viscosité cinématique de l'échantillon est
mesurée à 100 °C, donnant une meilleure estimation y = 13,6 mm²/s et une incertitude-type associée u = 1,8 mm²/s.
D'après l'expression (11) et à partir des grandeurs
TU  y  u  16,3  13,6 1,8  1,5, TL  y  u  12,5  13,6 1,8  0,6
de sorte que
pc   1,5    0,6   0,93  0,27  0,66
La probabilité que l'échantillon d'huile moteur soit conforme à la spécification est de 66 %.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
7.5 Probabilité de conformité et intervalles élargis
7.5.1 Un résultat de mesure peut être résumé en indiquant un intervalle élargi avec une probabilité de
couverture associée (voir 6.3.2) plutôt qu'une fonction de densité de probabilité explicite pour un
mesurande Y. Dans un tel cas, une déclaration de probabilité de conformité peut être faite en comparant
l'intervalle élargi à l'intervalle de tolérance. Si un intervalle élargi avec une probabilité de couverture p se situe
intégralement dans les limites de l'intervalle de tolérance, alors pc ne peut pas être inférieur à p. Cette
observation est illustrée à la Figure 6, qui montre deux intervalles élargis de 95 % proches d'une limite de
tolérance supérieure.
7.5.2 L'intervalle (a) s'étend au-delà de la limite de tolérance et, sans connaître la forme de la fonction de
densité de probabilité pour Y, aucune déclaration formelle ne peut être faite concernant la probabilité de
conformité.
Figure 6 — Deux intervalles élargis de 95 % pour un mesurande Y proches d'une limite de tolérance
supérieure TU. L'intervalle (a) s'étend au-delà de la limite de tolérance et la conformité ne peut pas être
déterminée sans connaître la fonction de densité de probabilité pour Y. L'intervalle (b) se situe
intégralement dans les limites de l'intervalle de tolérance ; pour cet intervalle, pc ≥ 95 %.
7.5.3 Toutes les valeurs situées à l’intérieur de l’intervalle (b) sont inférieures à la limite de tolérance et il
existe des valeurs conformes de Y qui n'appartiennent pas à cet intervalle, de sorte que pc ≥ 95 %.
7.5.4 En général, si [basse,haute] est un intervalle élargi pour Y, avec une probabilité de couverture p,
alors
 pour une seule limite de tolérance supérieure TU, pc ≥ p si haute ≤ TU ;
 pour une seule limite de tolérance inférieure TL, pc ≥ p si basse ≥ TL ;
 pour un intervalle bilatéral ayant des limites de tolérance supérieure et inférieure TU et TL, pc ≥ p si
basse ≥ TL et haute ≤ TU.
NOTE 1 La comparaison d'un intervalle élargi pour une propriété d'intérêt avec un intervalle de valeurs admissibles
sert de base pour décider de la conformité à une spécification, comme décrit dans l'ISO 10576-1 [22].
NOTE 2 Étant donné la fonction de densité de probabilité pour Y, la probabilité de conformité peut toujours être
calculée. La fonction de densité de probabilité pour un mesurande porte plus d'information qu'un intervalle élargi avec sa
probabilité de couverture associée.
NOTE 3 Lorsqu'une évaluation de la conformité d'un instrument de mesure est réalisée — en particulier lorsque
l'évaluation est réglementée par des normes spécifiques — la définition du mesurande, et donc l'évaluation de
l'incertitude, ne peut pas être simple et peut nécessiter une attention particulière.

GUIDE ISO/CEI 98-4:2012(F) -&*0
7.6 Indice de capabilité de mesurage Cm
7.6.1 Considérons le cas où l'information a priori est tellement faible que la connaissance concernant les
valeurs possibles d'une propriété mesurée Y peut être considérée comme étant entièrement fournie par le
mesurage. Dans un tel cas, si la loi pour Y est supposée être une fonction de densité de probabilité normale
g(m) =  (;y,u²), alors y  m et u  um (voir A.4.4.3). Dans les paragraphes suivants, il est supposé que tel
est le cas, et un résultat de mesure sera résumé par les deux paramètres (m, um), considérés comme étant
l'espérance mathématique et l'écart-type d'une fonction de densité de probabilité normale.
7.6.2 Un paramètre caractérisant la qualité du mesurage, par rapport à une exigence spécifiée par une
tolérance, est appelé indice de capabilité de mesurage (voir 3.3.17) et défini par
TU  TL T T
Cm    (12)
4um 4um 2U
où U = 2 um est l'incertitude élargie avec un facteur d'élargissement k = 2.
7.6.3 Le facteur 4 dans l'expression (12) est arbitraire ; ce choix particulier est motivé par l'usage répandu
de l'intervalle élargi [m - 2um,m + 2um] dans l’expression du résultat d'un mesurage. Dans le cas où g(m)
est une fonction de densité de probabilité normale, la probabilité de couverture pour un tel intervalle est
d'environ 95 %.
7.6.4 Il existe une relation étroite entre Cm et d’autres paramètres dérivés qui ont été utilisés pour
caractériser la qualité de mesurage dans différents contextes. Parmi ceux-ci figurent le rapport de calibrage,
la règle des fabricants de calibres, le rapport d'incertitude d’essai (TUR) [32] et le rapport d'exactitude d'essai
(TAR) [1]. Ces paramètres sont généralement indiqués sous forme de rapport, tel que la règle de 10 sur 1 ou
un TUR de 4:1. Des précautions doivent être prises lorsque de telles règles sont rencontrées, car elles sont
parfois ambiguës ou mal définies. En revanche, la définition (12) indique clairement qu'une déclaration telle
que Cm ≥ 4 signifie que um ≤ T/16.
7.6.5 Lors de l'étalonnage ou de la vérification d'un instrument de mesure, une exigence spécifiée est
souvent exprimée en termes d'erreur maximale tolérée (d'indication) (voir 3.3.18). Une telle exigence signifie
que, lorsque l'instrument est utilisé pour mesurer une grandeur Y, l'erreur d'indication doit se situer à l’intérieur
d’un intervalle défini par des limites supérieure et inférieure spécifiées. Dans le cas courant d'un intervalle
symétrique [- Emax, Emax], la tolérance est T = 2 Emax et l'indice de capabilité de mesurage est
2 Emax E
Cm   max
2U U
Dans cette expression, U est l'incertitude élargie, pour un facteur d'élargissement k = 2, associée au
mesurage de l'erreur d'indication de l'instrument.
7.7 Indice de capabilité de mesurage et probabilité de conformité
7.7.1 Pour une fonction de densité de probabilité normale, l'expression (11) donne la probabilité de
conformité pc en termes d'une paire particulière de limites de tolérance (TL, TU) et d'un résultat de mesure
particulier résumé par (y, u). En prenant y = m et u = um, cette expression peut être réécrite sous une forme
appropriée pour un problème de mesurage général en définissant une grandeur
~   TL
y m (13)
T
~
Pour une estimation m à l’intérieur de l’intervalle de tolérance, y se situe à l’intérieur de l’intervalle
~
0 ≤ y ≤ 1.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
7.7.2 Pour une fonction de densité de probabilité normale a posteriori  (;m, u²m), l'expression (11) peut
alors être écrite de la façon suivante, en utilisant les expressions (12) et (13) :
pc  4Cm 1  ~
y     4Cm ~
y   pc  ~
y, Cm  (14)
~
de sorte que pc soit totalement déterminé par les deux grandeurs y et Cm.
7.7.3 Il est fréquent que l'incertitude-type um associée à une estimation m ait une valeur fixe qui dépend de
la conception du système de mesure, mais qui est indépendante de m. Une série d'échantillons d'eau, par
exemple, peut être contrôlée afin de déterminer, pour chaque échantillon, une concentration de mercure
dissous, en utilisant un mode opératoire de mesure donnant différentes estimations, chacune ayant la même
incertitude-type associée um. Dans un tel cas, l'indice de capabilité de mesurage Cm = T/4um est fixe, et la
question de savoir si une propriété mesurée est conforme ou non à la spécification avec une probabilité
acceptable peut être tranchée en se fondant sur l'estimation m, en utilisant les expressions (13) et (14) avec
Cm fixe.
NOTE Un cas où l'incertitude-type um est proportionnelle à l'estimation m est traité dans [13, Annexe A].
~
Figure 7 — Indice de capabilité de mesurage Cm = T/(4um) en fonction de y = (m - TL)/T, montrant le
lieu de probabilité de conformité pc constante à 95 %. La courbe sépare les régions de conformité et
de non-conformité à un niveau de confiance de 95 %. La loi après mesurage pour le mesurande Y est
considérée comme étant la fonction de densité de probabilité normale  (;m, u²m).
7.7.4
~
Il existe un nombre infini de paires ( y ,Cm) donnant une probabilité de conformité donnée pc au
~
moyen de l'expression (14). La Figure 7 représente Cm en fonction de y le long d'une courbe de probabilité
de conformité constante à 95 % pour des estimations m situées à l’intérieur de l’intervalle de tolérance
~
0 ≤ y ≤ 1. La courbe sépare les régions de conformité (non grisées) et de non-conformité (grisées) à un
niveau de confiance de 95 %.

GUIDE ISO/CEI 98-4:2012(F) -&*0
7.7.5 Dans la Figure 7, l'axe horizontal correspond à Cm = 1 ou um = T/4. Pour cette incertitude-type
~
relativement importante, on peut constater que pc ≥ 95 % uniquement pour 0,45 ≤ y ≤ 0,55. Si la propriété
mesurée devait être conforme à la spécification avec un niveau de confiance d'au moins 95 %, une estimation
acceptable m devrait alors se situer dans les 10 % centraux environ de l'intervalle de tolérance.
8 Intervalles d'acceptation
8.1 Limites d'acceptation
8.1.1 La décision d'accepter un élément comme conforme à une spécification, ou de le rejeter comme non
conforme, est fondée sur une valeur mesurée m d'une propriété de l'élément en rapport avec une règle de
décision énoncée qui spécifie le rôle de l'incertitude de mesure dans la formulation de critères d'acceptation.
Un intervalle des valeurs mesurées d'une propriété qui aboutit à l'acceptation de l'élément est appelé
intervalle d'acceptation (voir 3.3.9) et défini par une ou deux limites d’acceptation (voir 3.3.8).
8.1.2 Comme suggéré dans l'Introduction, les limites d'acceptation et les règles de décision
correspondantes sont choisies de manière à gérer les conséquences indésirables de décisions incorrectes. Il
existe un grand nombre de règles de décision d'usage courant et simples à mettre en œuvre. Elles peuvent
être appliquées lorsque la connaissance d'une propriété d'intérêt est résumée en termes d'une meilleure
estimation et d'un intervalle élargi correspondant. Deux règles de décision de ce type sont décrites dans les
paragraphes suivants.
8.2 Règle de décision fondée sur une acceptation simple
8.2.1 Une règle de décision importante et largement utilisée est connue en tant qu'acceptation simple [2] ou
risque partagé [20]. Selon une telle règle, le fournisseur et l'utilisateur (client) du résultat de mesure
conviennent, implicitement ou explicitement, d'accepter comme conforme (et sinon de rejeter) un élément
dont la propriété a une valeur mesurée comprise à l’intérieur de l’intervalle de tolérance. Comme le
sous-entend l'autre dénomination « risque partagé », avec une règle d'acceptation simple, le fournisseur et
l'utilisateur partagent les conséquences de décisions incorrectes.
8.2.2 Dans la pratique, pour maintenir les risques de décisions incorrectes à des niveaux acceptables aussi
bien pour le fournisseur que pour l'utilisateur, il est généralement exigé que l'incertitude de mesure ait été
prise en compte et jugée acceptable pour le but recherché.
8.2.3 Une approche pour une telle prise en compte consiste à exiger, étant donné une estimation d'une
grandeur mesurée, que l'incertitude élargie associée U, pour un facteur d'élargissement k = 2, satisfasse la
relation U ≤ Umax, où Umax est une incertitude élargie maximale acceptable convenue mutuellement. Cette
approche est illustrée par l'exemple suivant.
EXEMPLE En métrologie légale [40], une règle de décision fondée sur une acceptation simple a été utilisée lors de
la vérification d'instruments de mesure. Considérons un tel instrument pour lequel il est exigé que l'erreur d'indication soit
comprise à l’intérieur de l’intervalle [- Emax, Emax]. L'instrument est accepté comme conforme à l'exigence spécifiée s'il
remplit les critères suivants :
a) lors du mesurage d'un étalon calibré, la meilleure estimation e de l'erreur d'indication de l'instrument E satisfait
e  Emax , et
b) l'incertitude élargie, pour un facteur d'élargissement k = 2, associée à l'estimation e satisfait
U  U max  Emax 3
En termes d'indice de capabilité de mesurage, le critère (b) est équivalent à l'exigence Cm ≥ 3 (voir 7.6).

-&*0 GUIDE ISO/CEI 98-4:2012(F)
8.2.4 Une autre règle de décision d'acceptation pratique découle de la « méthode d'exactitude » décrite
dans le Guide 115 de la CEI [19]. Dans cette approche, une méthode d'essai bien caractérisée est utilisée et
les sources d'incertitude sont réduites au minimum par (a) l'utilisation d'instruments de mesure dont l'erreur
maximale tolérée se situe dans les limites spécifiées, (b) le maintien des influences environnementales, telles
que la température et l'humidité relative, dans les limites spécifiées, (c) un contrôle bien documenté des
procédures de laboratoire, et (d) une compétence bien documentée du personnel chargé des mesurages.
8.2.5 En maintenant les sources de variabilité dans les limites prescrites, l'incertitude de mesure associée à
une meilleure estimation d'un mesurande est supposée être négligeable, n'est pas explicitement évaluée et
ne joue aucun rôle dans une décision du type acceptation/rejet. L'approche de la Procédure 2 du Guide 115
de la CEI (« méthode d'exactitude ») formalise la pratique courante des laboratoires d'essais
électrotechniques utilisant un matériel de mesurage de pointe et des méthodes d'essai de routine bien
établies.
8.2.6 Selon la largeur relative de l'intervalle de tolérance et de l'intervalle élargi, une règle de décision
d'acceptation simple, ou une règle de décision similaire, peut souvent soutenir les objectifs qualité de
mesurages et d’étalonnages réalisés dans le cadre d'évaluations de la conformité.
8.3 Règles de décision fondées sur des bandes de garde
8.3.1 Considérations générales
8.3.1.1 L'acceptation ou le rejet d'un élément, lorsque la valeur mesurée de sa propriété d'intérêt est
proche d'une limite de tolérance, peut aboutir à une décision incorrecte et avoir des conséquences
indésirables. De telles décisions incorrectes sont généralement de deux types dans le cas d'une seule limite
de tolérance supérieure [illustrée à la Figure 8, résultats (b) et (c)].
8.3.1.2 Avec une règle de décision fondée sur une acceptation simple et dans le cas courant d'une
fonction de densité de probabilité unimodale symétrique (telle qu'une loi normale) pour le mesurande, la
probabilité d'acceptation d'un élément non conforme [Figure 8, (b)] ou de rejet d'un élément conforme
[Figure 8, (c)] peut atteindre 50 %. Cela se produit, par exemple, lorsque la valeur mesurée d'une propriété
est très proche de la limite de tolérance. Dans un tel cas, environ 50 % de la probabilité se situe d'un côté ou
de l'autre de la limite, de sorte que le risque d'une décision incorrecte soit de 50 %, que l'élément soit accepté
ou rejeté.
8.3.1.3 L'une ou l'autre de ces probabilités peut être réduite, au prix d'une augmentation de l'autre, en
choisissant des limites d’acceptation décalées par rapport aux limites de tolérance. Cette stratégie de décision
de conformité est appelée bandes de garde ; voir les références [6, 7, 8, 9, 12, 17,44].

GUIDE ISO/CEI 98-4:2012(F) -&*0
Figure 8 — Règle de décision d'acceptation simple au voisinage d'une limite de tolérance supérieure
TU, avec quatre intervalles élargis de 95 %. Pour une telle règle de décision, la limite d’acceptation AU
coïncide avec la limite de tolérance. La décision d'accepter ou de rejeter les éléments contrôlés est
fondée sur les valeurs mesurées (triangles) ; les valeurs vraies (cercles) ne peuvent pas être connues.
Les cas (b) et (c) conduisent à des décisions incorrectes appelées respectivement acceptation à tort
acceptation à tort et rejet à tort (voir 9.3.2). Dans le cas (c), la valeur vraie du mesurande se situe
(sans qu'on le sache) à l'extérieur de l'intervalle élargi de 95 %.
8.3.2 Acceptation avec bande de garde
8.3.2.1 Le risque d'accepter un élément non conforme peut être réduit en fixant une limite d'acceptation
AU à l'intérieur de l'intervalle de tolérance, comme illustré à la Figure 9. L'intervalle défini par TU et AU est
appelé bande de garde (voir 3.3.11), et la règle de décision qui en résulte est appelée acceptation avec bande
de garde.
NOTE L'acceptation avec bande de garde est également connue en tant qu'acceptation stricte [2] et conformité
positive d'acceptation [18].
Figure 9 — Règle de décision fondée sur une acceptation avec bande de garde. Une limite
d’acceptation supérieure AU à l'intérieur d'une limite de tolérance supérieure TU définit un intervalle
d'acceptation qui réduit la probabilité de acceptation à tort d'un élément non conforme (risque client).
Par convention, le paramètre de longueur w associé à une bande de garde d'acceptation avec bande
de garde est considéré comme étant positif : w = TU - AU > 0.
8.3.2.2 La différence entre une limite de tolérance et une limite d’acceptation correspondante définit un
paramètre de longueur w pour une bande de garde, à savoir
w = T U - AU
Pour une règle de décision d'acceptation avec bande de garde, w > 0.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
8.3.2.3 Dans de nombreuses applications, le paramètre de longueur w est considéré comme étant un
multiple de l'incertitude élargie pour un facteur d'élargissement k = 2, U = 2u, à savoir
w = rU
le multiplicateur r étant choisi pour assurer une probabilité de conformité minimale pour un élément qui est
accepté. Un choix courant est r = 1, auquel cas w = U.
EXEMPLE L'ISO 14253-1 [21] établit une règle de décision d'acceptation avec bande de garde par défaut
permettant de démontrer la conformité à une spécification. La Figure 10 est adaptée de l'ISO 14253-1, Figure 7. Dans le
cas d'un intervalle de tolérance bilatéral, les limites d’acceptation supérieure et inférieure sont décalées par rapport aux
limites de tolérance correspondantes par des bandes de garde ayant un paramètre de longueur w = U = 2u.
Le but des bandes de garde, avec w = 2u, est de s'assurer que, pour toute valeur mesurée située à l’intérieur de
l’intervalle d'acceptation, la probabilité d'accepter un élément non conforme est au plus de 2,3 %, en supposant une
fonction de densité de probabilité normale pour la grandeur mesurée. Cette probabilité maximale apparaît si la valeur
mesurée de la propriété coïncide avec une limite d’acceptation. Pour les valeurs mesurées situées à distance des limites
d’acceptation, la probabilité d'une acceptation à tort sera inférieure à la valeur maximale.
Figure 10 — Intervalle d'acceptation bilatéral créé en réduisant l'intervalle de tolérance de chaque côté
d'une valeur équivalente à l'incertitude élargie pour k = 2, U = 2u. Il s'agit de la règle de décision par
défaut établie dans l'ISO 14253-1 [21].
Dans l'ISO 14253-1, un intervalle d'acceptation est appelé zone de conformité, et un intervalle de tolérance
est appelé zone de spécification. Dans la Figure 10, les étiquettes respectent les conventions du présent
document.
8.3.3 Rejet avec bande de garde
8.3.3.1 Une limite d’acceptation à l'extérieur d'un intervalle de tolérance, comme illustré à la Figure 11,
peut être choisie afin d'augmenter la probabilité qu'un élément rejeté soit vraiment non conforme. Une telle
règle de décision de rejet avec bande de garde est souvent employée lorsque l'on souhaite avoir une preuve
claire qu'une limite a été dépassée avant de prendre une mesure négative.
NOTE Le rejet avec bande de garde est également connu en tant que rejet strict [2] et non-conformité positive de
rejet [18].
8.3.3.2 Le paramètre de longueur w pour une bande de garde de rejet avec bande de garde est
w = TU - AU < 0.

GUIDE ISO/CEI 98-4:2012(F) -&*0
Figure 11 — Règle de décision fondée sur un rejet avec bande de garde. Une limite d’acceptation
supérieure AU à l'extérieur d'une limite de tolérance supérieure TU définit un intervalle d'acceptation
qui réduit la probabilité de rejet à tort d'un élément conforme (risque fournisseur). Le paramètre de
longueur w associé à une bande de garde de rejet avec garde est w = TU - AU < 0.
EXEMPLE 1 Application des limitations de vitesse
Dans l'application de la réglementation routière, la vitesse des automobilistes est mesurée par la police à l'aide de
dispositifs tels que des radars et des pistolets laser [42]. La décision de dresser une contravention pour excès de vitesse
pouvant éventuellement entraîner une comparution devant un tribunal, doit être prise avec un degré de confiance élevé
que la vitesse limite a réellement été dépassée.
En utilisant un radar Doppler particulier, les mesurages de la vitesse sur le terrain peuvent être effectués avec une
incertitude-type relative u(v)/v de 2 % à l’intérieur de l’intervalle de 50 km/h à 150 km/h. La connaissance d'une vitesse
mesurée v dans cet intervalle est supposée être caractérisée par une fonction de densité de probabilité normale avec une
espérance mathématique v et un écart-type 0,02v.
Dans ces conditions, on peut se demander, pour une vitesse limite v0 = 100 km/h, quelle vitesse seuil vmax (limite
d’acceptation) il convient de fixer pour que, pour une vitesse mesurée v ≥ vmax, la probabilité que v ≥ v0 soit d'au moins
99,9 %.
Ce problème mathématique est équivalent au calcul d'une probabilité de conformité pour un intervalle de tolérance
unilatéral (voir 7.3). Ici, une valeur de z = (vmax - v0)/(0,02 vmax) est requise pour laquelle 99,9 % de la probabilité se situe
dans la région V ≥ v0. A partir du Tableau 1 à la page 15, on constate que z = 3,09, de sorte que
0 100
max   km/h  107 km/h
1  0,02 z 1  0,02  3,09
L'intervalle [100 km/h ≤ v ≤ 107 km/h] est une bande de garde qui assure une probabilité d'au moins 99,9 % que la vitesse
limite a été dépassée pour une vitesse mesurée supérieure ou égale à 107 km/h.
EXEMPLE 2 Médicaments dans les animaux vivants et les produits d'origine animale
Le stéroïde anabolisant nandrolone appartient à un groupe de substances dont l'usage en tant que facteurs de croissance
est interdit pour les animaux destinés à l'alimentation. La substance est présente naturellement chez certains animaux
vivants et, par conséquent, une limite inférieure (de tolérance) T égale à 2,00 µg/L a été établie.
Lors d'un test de dépistage de la nandrolone, une concentration mesurée dépassant la valeur seuil avec une probabilité
supérieure ou égale à 95 % est jugée suspecte et doit faire l'objet d'une procédure de confirmation.
Lors de la réalisation d'un test de dépistage, un laboratoire souhaite fixer une limite de décision (acceptation) A donnée
par
A=T+g
où g = w est une bande de garde (voir Figure 11) telle que, pour une valeur de concentration mesurée y ≥ A, la
probabilité que Y ≥ T soit d'au moins 95 %.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
Le laboratoire valide son mode opératoire de mesure en dopant dix échantillons de blanc à un niveau de concentration
proche du seuil. Les échantillons sont mesurés dans des conditions de reproductibilité intralaboratoire, donnant un écart-
type de reproductibilité observé s (ISO 3534-2, 3.3.12) de 0,20 µg/L.
À partir de l'expérience de dopage, le laboratoire conclut que ses mesurages sont exempts d'erreurs systématiques
significatives. L'incertitude de mesure est dominée par des effets de reproductibilité et la fonction de densité de probabilité
pour la concentration de nandrolone Y est donc considérée comme étant une loi de t normalisée et décalée (voir
JCGM 101:2008, 6.4.9) avec  = 9 degrés de liberté.
À partir d'un tableau ou d'un logiciel approprié pour la loi de t (unilatérale,  = 9 degrés de liberté, probabilité de 95 %), la
bande de garde est calculée comme suit
g  t0,95;9  s  1,83  0,20 μg/L  0,37 μg/L
Un échantillon ayant une valeur mesurée y de la concentration de nandrolone supérieure ou égale à
A  2,00  0,37 μg/L  2,37 μg/L
est donc considéré comme suspect.
9 Risques client et fournisseur
9.1 Généralités
9.1.1 Lorsque la conformité est évaluée en utilisant une règle de décision binaire, une propriété d'un
élément est mesurée et l'élément est accepté comme conforme si la valeur mesurée de la propriété se situe à
l’intérieur d’un intervalle d'acceptation défini. Une valeur mesurée située à l'extérieur de l'intervalle
d'acceptation conduit à un rejet de l'élément comme étant non conforme. La Figure 12, qui reproduit la
Figure 1 de la page viii, illustre les intervalles d'intérêt en indiquant un intervalle de tolérance (de valeurs
conformes) et un intervalle d'acceptation (de valeurs mesurées admissibles).
9.1.2 L'utilisation de bandes de garde offre un moyen de limiter la probabilité de prendre une décision de
conformité incorrecte fondée sur l'information de mesurage telle que résumée par un intervalle élargi. Le
présent article concerne une évaluation plus précise de telles probabilités pour un processus de production.
Les probabilités évaluées dépendent de deux facteurs, le processus de production et le système de mesure.
9.1.3 Si le système de mesure était parfaitement exact, toutes les décisions de conformité seraient
correctes et tous les risques seraient nuls. Une augmentation de l'incertitude de mesure signifie une
augmentation de la probabilité d'une décision incorrecte, et la probabilité est maximale lorsque les valeurs
mesurées sont proches des limites de tolérance.
9.1.4 Les risques dépendent également de la nature du processus de production. Si le processus produit
rarement un élément dont la propriété d'intérêt est proche des limites de tolérance, la possibilité de prendre
des décisions incorrectes est plus faible. Inversement, si un processus produit des éléments dont les
propriétés sont susceptibles d'être proches des limites de tolérance, les incertitudes associées aux
mesurages entrent en jeu. Le reste du présent article montre comment les contributions de ces deux facteurs
peuvent être évaluées.

GUIDE ISO/CEI 98-4:2012(F) -&*0
Figure 12 — Évaluation de conformité binaire où les décisions sont fondées sur des valeurs
mesurées. La valeur vraie d'une propriété mesurable (le mesurande) d'un élément doit se situer à
l’intérieur d’un intervalle de tolérance défini par des limites (TL, TU). L'élément est accepté comme
conforme si la valeur mesurée de la propriété se situe à l’intérieur d’un intervalle d'acceptation défini
par des limites (AL, AU), et rejeté comme non conforme dans le cas contraire.
9.2 Fonctions de densité de probabilité pour le processus de production et le système de

mesure
9.2.1 Considérons un processus produisant une série d'éléments ayant chacun une propriété mesurable Y
avec des valeurs possibles . Le processus peut être une machine produisant des résistances ayant une
résistance nominale de 10 k ou un processus d'échantillonnage donnant des flacons d'eau de mer
contenant une concentration de mercure dissous. Pour un élément choisi de manière aléatoire dans le
processus, la connaissance de la propriété Y avant qu'elle ne soit mesurée est représentée par une fonction
de densité de probabilité a priori g0(). Il est possible de dire que la fonction de densité de probabilité g0()
caractérise le processus de production ; elle est parfois appelée densité de probabilité du processus. La forme
de g0() est généralement assignée en se fondant sur la connaissance acquise par le mesurage de la
propriété d'intérêt sur un échantillon d'éléments produits.
NOTE L'assignation d'une fonction de densité de probabilité a priori sur la base d'un échantillon d'éléments mesurés
est discutée dans l'Annexe B.
9.2.2 L'évaluation de la conformité d'un élément produit est réalisée par un mesurage de la propriété
d'intérêt. La sortie du système de mesure est une grandeur considérée comme une variable aléatoire
observable Ym dont les valeurs possibles m, en supposant une valeur d'entrée connue Y = , sont
représentées par une fonction de densité de probabilité h (m/). La forme de h (m/) est assignée en se
fondant sur la conception du système de mesure, l'information fournie par les étalonnages et la connaissance
des grandeurs d'influence pertinentes, telles que les paramètres environnementaux et les propriétés des
matériaux.
9.3 Résultats possibles d'un mesurage de contrôle avec une règle de décision binaire
~
9.3.1 Supposons que C et C désignent respectivement les intervalles de valeurs conformes et non
~
conformes de Y, et que  et A désignent respectivement les intervalles de valeurs acceptables et non
acceptables de Ym. Dans la Figure 12, par exemple, C correspond aux valeurs de Y situées à l’intérieur de
l’intervalle TL ≤ Y ≤ TU, et A correspond aux valeurs de Y situées à l’intérieur de l’intervalle AL ≤ Ym ≤ AU.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
9.3.2 Avec une règle de décision binaire, il existe quatre résultats possibles pour un essai d'évaluation de la
conformité donnant une valeur mesurée m :
Acceptation valable : l'élément est accepté (Ym = m  А) et conforme à la spécification (Y  C). Il

s'agit du résultat souhaité de l'essai d'évaluation de la conformité, conduisant à l'acceptation d'un
élément conforme.
Acceptation à tort : l'élément est accepté (Ym = m  А), mais n'est pas conforme à la spécification
~
(Y  C ). Il s'agit d'une décision incorrecte dont la probabilité est appelée risque client, parce que le
coût associé à une telle erreur est souvent supporté par un client, ou utilisateur, qui accepte l'élément
comme étant adapté à l'usage prévu et agit en conséquence.
NOTE Une acceptation à tort est également connue en tant qu'erreur d'acceptation ou faux positif.
Pour un élément mesuré particulier accepté comme conforme, étant donné une valeur mesurée
Ym = m  А, la probabilité de l'acceptation à tort est appelée risque client spécifique (voir 3.3.13) [38],
désigné par RC* . A partir de la définition (4) de la probabilité de conformité, on peut voir que RC* est
donné par
RC* = 1 - pc
pour une valeur mesurée m située à l’intérieur de l’intervalle d'acceptation. Pour un élément choisi de
manière aléatoire dans le processus de production, la probabilité qu'il soit accepté de façon erronée
après un mesurage est appelée risque client global (voir 3.3.15) [38], désigné par RC. Le calcul de RC
est traité en 9.5.
~ ~
Rejet valable : l'élément est rejeté (Ym = m  A ) et n'est pas conforme à la spécification (Y  C ). Il
s'agit du résultat souhaité de l'essai d'évaluation de la conformité, conduisant au rejet d'un élément
non conforme.
~
Rejet à tort : l'élément est rejeté (Ym = m  A ), mais est en réalité conforme à la spécification
(Y  C). Il s'agit d'une autre décision incorrecte dont la probabilité est appelée risque fournisseur,
parce que le coût associé à une telle erreur est souvent supporté par un fournisseur qui ne peut pas
vendre un élément ayant échoué à un essai de conformité.
NOTE Un rejet à tort est également connu en tant qu'erreur de rejet ou faux négatif.
Pour un élément mesuré particulier rejeté comme non conforme, étant donné une valeur mesurée
~
Ym = m  A , la probabilité de rejet à tort est appelée risque fournisseur spécifique (voir 3.3.14) [38],
désigné par RP* . À partir de la définition (4) de la probabilité de conformité, on peut voir que RP* est
donné par
RP* = pc
pour une valeur mesurée m située à l'extérieur de l'intervalle d'acceptation. Pour un élément choisi
de manière aléatoire dans le processus de production, la probabilité qu'il soit rejeté de façon erronée
après un mesurage est appelée risque fournisseur global (voir 3.3.16) [38], désigné par RP. Le calcul
de RP est traité en 9.5.

GUIDE ISO/CEI 98-4:2012(F) -&*0
9.4 Fonction de densité de probabilité jointe pour Y et Ym
9.4.1 Comme indiqué en 9.3.2, le risque client spécifique RC* et le risque fournisseur spécifique RP* sont
simplement liés à la probabilité de conformité pour un élément mesuré particulier, étant donné le résultat d'un
mesurage. Si la valeur de la propriété Y se situe à l'extérieur de l'intervalle de tolérance et qu'une valeur
mesurée Ym se situe à l’intérieur de l’intervalle d'acceptation, alors un risque client a été réalisé. La probabilité
que ces deux événements se produisent, c'est-à-dire le risque client global, est spécifiée par une loi de
probabilité jointe qui dépend du processus de production et du système de mesure.
9.4.2 La densité de probabilité jointe peut s'écrire comme un produit de densités déjà connues. En d'autres
termes, la probabilité que la valeur du mesurande Y se situe à l'extérieur de l'intervalle de tolérance et qu'une
valeur mesurée Ym se situe à l’intérieur de l’intervalle d'acceptation est donnée par la probabilité que le
processus de production produise un élément ayant une valeur vraie de Y à l'extérieur de l'intervalle de
tolérance multipliée par la probabilité que le système de mesure donne une valeur mesurée Ym située à
l’intérieur de l’intervalle d'acceptation, étant donné que le mesurande Y se situe à l'extérieur de l'intervalle de
tolérance.
9.4.3 De la même manière, le risque fournisseur global est défini en termes de la même loi de probabilité
jointe. Si l'intervalle de tolérance, le processus de production et le système de mesure sont considérés
comme fixes, le risque client global et le risque fournisseur global sont déterminés par les limites
d’acceptation. Les limites d’acceptation peuvent donc être fixées de manière à atteindre un équilibre
acceptable entre les deux types de risque. En général, il n'est pas possible de fixer les limites d’acceptation
de manière à réduire simultanément les risques client et fournisseur : réduire l'un augmentera l'autre.
9.4.4 Dans la littérature relative au contrôle de la qualité et à l'évaluation de la conformité, les termes
« risque client » et « risque fournisseur » sont généralement utilisés au sens de risques globaux, comme
décrit ci-dessus.
9.4.5 Pour un processus de production et un système de mesure donnés, la connaissance des résultats
possibles d'un essai d'évaluation de la conformité d'un élément sélectionné de manière aléatoire est décrite
par une fonction de densité de probabilité jointe. Pour un tel élément sélectionné de manière aléatoire, la
probabilité que (a) la valeur du mesurande Y se situe à l’intérieur de l’intervalle  ≤ Y ≤  + d et que (b) un
mesurage de Y donne une valeur mesurée Ym située à l’intérieur de l’intervalle m ≤ Ym ≤ m + dm est donnée
par
Pr   Y    d et m  Ym  m  dm   f ,m  ddm (15)
où f(,m) est la fonction de densité de probabilité jointe pour Y et Ym.
9.4.6 En utilisant la règle du produit (ou de la multiplication) de la théorie de probabilité, la densité

combinée f(,m) peut être factorisée de deux manières, conformément à

f ,m   g 0  h m   (16a)
et

f ,m   h0 m g  m  (16b)
9.4.7 Les deux fonctions de densité de probabilité dans la partie droite de l'expression (16a) sont les deux
densités de probabilité décrites en 9.2. Étant donné les formes de ces fonctions de densité de probabilité, les
deux densités de probabilité dans la partie droite de l'expression (16b) peuvent être calculées, si on le
souhaite. Un tel calcul est illustré dans l'Annexe A (voir A.4.3 et A.4.4).

-&*0 GUIDE ISO/CEI 98-4:2012(F)
9.5 Calcul des risques globaux
9.5.1 Contexte historique
9.5.1.1 Dans les paragraphes suivants, des formules sont développées pour calculer les risques globaux
de décisions incorrectes. De tels calculs ont traditionnellement été réalisés en utilisant des distributions de
fréquence mesurées des différents résultats lorsqu'un échantillon important d'éléments considérés identiques
est mesuré. Dans une telle approche, le risque client global est égal à la fraction des éléments d'un
échantillon mesuré qui sont acceptés pour l'utilisation, mais qui ne sont pas conformes à une exigence
spécifiée. Une telle non-conformité, pour un élément particulier, doit être démontrée après coup par un
mesurage séparé avec une incertitude beaucoup plus faible que celle du système de mesure utilisé lors de
l'évaluation de la conformité.
9.5.1.2 Les risques globaux ci-dessous sont calculés en utilisant des lois de probabilité plutôt que des
distributions de fréquence, de sorte qu'il ne soit pas nécessaire de considérer un ensemble d'éléments
mesurés qui peuvent, en réalité, ne pas exister. Numériquement, les probabilités calculées seront toujours en
accord, en moyenne, avec les fréquences mesurées. Ainsi, les limites d’acceptation peuvent être choisies
pour obtenir des fractions acceptables d'éléments acceptés ou rejetés de façon erronée, en moyenne, lors de
l'évaluation de la conformité des éléments d'un échantillon.
9.5.2 Formules générales
9.5.2.1 Étant donné la fonction de densité de probabilité jointe (16a) et les deux densités de probabilité
g0() et h (m/), les probabilités de chacun des quatre résultats possibles décrits ci-dessus (voir 9.3) peuvent
être calculées. Ces probabilités sont simplement les volumes respectifs selon la densité de probabilité jointe
f(,m), intégrés sur les quatre régions (au sens mathématique) décrivant tous les résultats possibles.
9.5.2.2 Le risque client global et le risque fournisseur global sont particulièrement intéressants et sont
calculés comme suit :
 Pour une valeur mesurée située à l’intérieur de l’intervalle d'acceptation et une valeur de Y située à
l'extérieur de l'intervalle de tolérance, le risque client global est
RC 
 g 0  hm  d (17)
~
C A
 Pour une valeur mesurée située à l'extérieur de l'intervalle d'acceptation et une valeur de Y située à
l’intérieur de l’intervalle de tolérance, le risque fournisseur global est
RP 
 g 0  hm  dmd (18)
~
CA
9.5.2.3 Les expressions (17) et (18) sont des formules générales pour le calcul des risques client et
fournisseur globaux. Selon la forme particulière des fonctions de densité de probabilité g0() et h (m/), il se
peut qu'une évaluation explicite de RC et RP doive être réalisée numériquement.

GUIDE ISO/CEI 98-4:2012(F) -&*0
9.5.3 Cas particulier : règle de décision binaire
9.5.3.1 Pour l'évaluation particulière de la conformité binaire illustrée à la Figure 12, les formules (17) et
(18) deviennent
 TL   AU
 
RC   
  T
   g   h   d


0 m m d (19)
 U  AL
et
 AL   TU
 
RP   
   
 g 0   h m  ddm  (20)
  A T
 U  L
9.5.3.2 L'utilisation des expressions (19) et (20) dans le cas où la fonction de densité de probabilité jointe
(15) est un produit de lois normales est illustrée dans l'exemple suivant. Les propriétés des lois normales, y
compris les formes particulières des expressions (19) et (20), sont traitées dans l'Annexe A.
EXEMPLE Fabrication de résistances de précision
Un fournisseur de composants électriques produit des résistances bobinées de précision ayant une résistance nominale
de 1 500 . Pour chaque résistance (l'élément), la résistance Y (la propriété d'intérêt) est spécifiée comme devant se
situer à l’intérieur d’un intervalle de tolérance défini par les limites TL = 1 499,8  et TU = 1 500,2 .
Une machine permettant de produire de telles résistances est évaluée en mesurant un échantillon de sa production à
l'aide d'un ohmmètre de haute précision ayant une incertitude de mesure négligeable. Un histogramme des valeurs
mesurées présente une forme normale, centrée sur la valeur nominale avec un écart-type  = 0,12 . En se fondant sur
cette information, une fonction de densité de probabilité normale g0() = (; y0, u02 ) est assignée pour modéliser le
processus de production, avec y0 = 1 500  et u0 =  = 0,12 .
Pour une résistance type produite par cette machine, la probabilité de conformité est
TU 1 500,2
pc 
 g 0   d 
  ;1 500, 0,12 d  0,90  90 %
2
(21)
TL 1 499,8
Si le fournisseur expédiait simplement chaque résistance produite, environ 10 % d'entre elles seraient non conformes, ce
qui est jugé inacceptable pour des raisons économiques. En achetant une machine de production plus onéreuse, la
variabilité du processus pourrait être réduite. Dans ce cas, il est décidé, compte tenu des coûts associés, de conserver la
machine existante et de mettre en œuvre un processus de contrôle pour détecter et éliminer les résistances non
conformes.
Durant la production, la conformité des résistances à la spécification est déterminée à l'aide d'un ohmmètre à grande
vitesse étalonné. Une fonction de densité de probabilité normale h (m/) = (m;, um
2
), avec um = 0,04 , est assignée
pour représenter la croyance en l’intervalle de valeurs mesurées qui pourrait être observé lors du mesurage d'une
résistance connue Y = . L'assignation est fondée sur un modèle du système de mesure et une évaluation de l'incertitude
de mesure, comprenant l'incertitude associée à l'étalonnage de l'ohmmètre.
Pour réduire la probabilité d'expédition de résistances qui ne sont pas conformes à la spécification (risque client), des
limites d’acceptation AL = 1 499,82 , AU = 1 500,18  sont choisies à l'intérieur de l'intervalle de tolérance (voir Figure 12,
page 24), créant ainsi un intervalle d'acceptation avec bande de garde ayant des bandes de garde symétriques de
longueur
w  1 500,2  1 500,18   0,02   0,25U

-&*0 GUIDE ISO/CEI 98-4:2012(F)
Les risques client et fournisseur sont ensuite calculés à l'aide des expressions (A.15) à (A.17) avec
  
 0 z   1 2 exp  z 2 2 
et
 A  y0  u 0 z   A  y0  u 0 z 
F z    U    L
 
   4,5  3 z     4,5  3 z 

 um   um 
L'intégration numérique donne
1,667 
RC 


F z  0 z  dz 
 f z  z  dz  0,01  1%
1,667
0
et
1,667
RP 
 1  F z  z  dz  0,07  7 %
1,667
0
Les caractéristiques intéressantes de cette procédure d'évaluation de la conformité peuvent être notées en considérant un
échantillon moyen de 100 résistances produites par la machine, mesurées et acceptées ou rejetées comme étant aptes à
l'emploi :
 étant donné les propriétés du processus de production, 90 des résistances sont conformes à la spécification et 10 ne
sont pas conformes (voir l'expression (21)) ;
 parmi les 90 résistances conformes, 83 sont acceptées et 7 sont rejetées de manière erronée comme étant non
conformes ;
 parmi les 10 résistances non conformes, 9 sont rejetées et 1 est acceptée de manière erronée comme étant
conforme ;
 84 résistances sont acceptées ; parmi celles-ci, 83/84  99 % sont conformes, avec 1 % environ hors tolérance. C'est
le but du mesurage de contrôle de réduire de 10 % à 1 % la proportion de résistances non conformes, parmi celles
acceptées pour l'emploi ;
 sur les 16 résistances qui sont rejetées, 7/16  44 % sont en réalité conformes à la spécification. C'est le prix à payer
pour réduire le risque d'acceptation de produits non conformes.
9.5.4 Détermination des limites d’acceptation
9.5.4.1 Dans l'exemple ci-dessus, les risques globaux RC et RP ont été calculés, étant donné des limites
d'acceptation connues AL et AU. Dans la plupart des applications réelles, un niveau de risque souhaité est
choisi en se fondant sur une analyse des coûts et des limites d’acceptation sont calculées pour s'assurer que
le niveau de risque souhaité est atteint. De tels calculs ne sont pas simples. Une approche pratique de tels
problèmes consiste à utiliser une solution graphique, comme illustré dans l'exemple suivant.
EXEMPLE Production de roulements à billes
Un fabricant produit de grandes quantités de roulements à billes de précision. La spécification de performance pour ces
roulements (les éléments) exige que, pour chacun d'eux, le mouvement d'erreur radiale (la propriété d'intérêt) soit inférieur
à 2 µm. Le mouvement d'erreur radiale d'un roulement est un mouvement indésirable perpendiculairement à l'axe de
rotation. Pour un roulement parfait, le mouvement d'erreur radiale serait nul ; tout roulement réel aura un mouvement
d'erreur radial positif.

GUIDE ISO/CEI 98-4:2012(F) -&*0
Pour caractériser le processus de production, les mouvements d'erreur radiale d'un échantillon important de roulements
sont mesurés à l'aide d'un appareillage d'essai de grande précision ayant une incertitude de mesure négligeable. Pour cet
échantillon, le mouvement d'erreur radiale moyen observé est y = 1 µm, avec un écart-type associé s = 0,5 µm.
Avant l'expédition, les roulements sont soumis à un essai de conformité à la spécification. Lors de ces essais, le
mouvement d'erreur radiale est mesuré à l'aide d'un appareillage d'essai étalonné. Le système de mesure est caractérisé
par une fonction de densité de probabilité normale (m;, u m
2
) avec une incertitude-type um = 0,25 µm.
Pour des raisons économiques, la fraction de roulements non conformes vendus à des clients comme étant conformes
(risque client global) doit être maintenue à 0,1 % ou moins. Comment peut-on choisir une limite d’acceptation A pour
satisfaire à cette exigence ?
Figure 13 — Intervalles de tolérance et d'acceptation pour l'évaluation de la conformité de roulements

à billes. Les valeurs admissibles du mouvement d'erreur radiale Y se situent à l’intérieur de l’intervalle
0 ≤  ≤ T. La limite d’acceptation A est séparée de la limite de tolérance T par une bande de garde
ayant un paramètre de longueur w = rU = 2rum. Dans ce cas, la règle de décision est l'acceptation avec
bande de garde, avec w > 0.
Le problème d'évaluation de la conformité est illustré à la Figure 13. Un roulement à billes conforme est spécifié comme
ayant un mouvement d'erreur radiale Y situé à l’intérieur de l’intervalle 0 ≤  ≤ T. Étant donné que le mouvement d'erreur
radiale est toujours positif, avec des valeurs mesurées proches de zéro, la fonction de densité de probabilité a priori pour
l'erreur radiale Y sera modélisée par une densité de probabilité gamma (voir l'Annexe B, Article B.3). En se fondant sur les
mesurages de l'échantillon, l'espérance mathématique et l'incertitude-type de la fonction de densité de probabilité a priori
sont assignées comme étant y0 = y = 1 µm et u0 = s = 0,5 µm. En utilisant les expressions (B.14), les paramètres  et λ
sont calculés :
12 1
  4,  4
0,52 0,52

-&*0 GUIDE ISO/CEI 98-4:2012(F)
À partir de la définition (B.11) de la densité de probabilité gamma, la fonction de densité de probabilité a priori pour l'erreur
radiale des roulements Y est donc
g 0    gamma ;4,4  
128 3  4
 e ,  0 (22)
3
Figure 14 — Fonction de densité de probabilité gamma a priori donnée par l'expression (22), assignée
sur la base de la distribution de fréquence des mouvements d'erreur radiale mesurés pour un
échantillon de roulements à billes. L'intervalle de tolérance est la région 0 ≤  ≤ 2 µm. L'espérance
mathématique de la distribution est l'estimation a priori y0 = 1 µm, avec une incertitude-type associée
u0 = 0,5 µm. Étant donné que la distribution n'est pas symétrique, la valeur la plus probable de Y (le
mode de la distribution, égal ici à 0,75 µm) n'est pas égale à y0.
Cette fonction de densité de probabilité est illustrée à la Figure 14. La probabilité qu'un roulement à billes choisi de
manière aléatoire dans le processus de production présente un mouvement d'erreur radiale supérieur à 2 µm est indiquée
par la région hachurée. Cette probabilité de non-conformité est

Pc  gamma ;4,4  d  0,042
2
ce qui signifie que, si tous les roulements à billes produits étaient expédiés sans être mesurés, environ 4,2 % d'entre eux
seraient non conformes. Le système de mesure après production est conçu pour détecter les roulements non conformes
de manière à ce qu'ils ne soient pas expédiés. Une limite d’acceptation est souhaitée pour réduire le risque client RC à
0,1 % ou moins. Pour la règle de décision d'évaluation de la conformité illustrée à la Figure 13, l'intervalle de tolérance
correspond à 0 ≤ Y ≤ T et l'intervalle d'acceptation à 0 ≤ Ym ≤ A. De manière analogue aux étapes conduisant aux
expressions (19) et (20), les risques client et fournisseur globaux sont évalués comme suit
A T
RC 
 g   h    d
T 0
0 m m d , RP 
 g   h    d
0 A
0 m m d
Pour un système de mesure caractérisé par une fonction de densité de probabilité normale h (m/) = (m;, um
2
), en
effectuant les substitutions z = (m - )/um, dz = dm/um et en procédant aux intégrations sur z, ces expressions deviennent
 T
  A        A   
RC 

T

  m 
u   u  g 0   d,
    
 m 
RP 
 1  
0
 g 0   d
um 

GUIDE ISO/CEI 98-4:2012(F) -&*0
À partir de la Figure 13, on peut constater que A = T - 2rum. Dans le cas présent, T = 2 µm et um = 0,25 µm. Le
paramétrage de g0() égal à la fonction de densité de probabilité gamma de l'expression (22) donne les résultats explicites
 8  2r  4    4  e

128 3  4
RCr   d (23)
3
2
 1   8  2r  4  e
128 3  4
RPr   d (24)
3
0
Figure 15 — Risque client global RC en fonction du multiplicateur de bande de garde r. Pour r  0,65, la
limite d'acceptation est A = T - 2(0,65)um = 1,7 µm, et le risque souhaité RC = 0,1 % est atteint.
Ces intégrales ne peuvent pas être évaluées analytiquement, mais elles peuvent être calculées numériquement pour
toutes les valeurs choisies du multiplicateur de bande de garde r.
La Figure 15 illustre le risque client global RC pour -1 ≤ r ≤ 1. Une valeur positive de r correspond à A < T (acceptation
avec bande de garde) et une valeur négative de r correspond à A > T. Pour r = 0, il n'y a pas de bande de garde (A = T),
une règle de décision appelée risque partagé ou acceptation simple (voir 8.2). La figure montre que le niveau de risque
souhaité, RC = 0,1 %, est atteint pour un multiplicateur de bande de garde r  0,65. Cela donne un intervalle d'acceptation
avec bande de garde avec une limite d’acceptation
A  T  2rum  2  2  0,65  0,25  μm  1,7 μm
Ce choix d'une limite d’acceptation résout le problème décisionnel.
Lors de l'évaluation de la conformité avec une règle de décision binaire, toute mesure visant à réduire le risque client
augmentera toujours le risque fournisseur. Cette règle générale est bien illustrée par la Figure 16 qui représente RP en
fonction de RC, calculés numériquement à partir des formules (23) et (24), pour l'exemple des roulements à billes. Pour
r = 0,65, le risque fournisseur global RP est de l'ordre de 7,5 %. Cela signifie qu'environ 75 roulements à billes sur 1 000
qui ne passent pas le contrôle sont en réalité conformes à la spécification, ce qui entraîne la perte des revenus qui
auraient été acquis si ces roulements satisfaisants avaient été vendus.
La génération d'une quantité accrue de rebut conforme est le coût de l'acceptation avec bande de garde, qui cherche à
réduire l'acceptation et l'expédition de produits non conformes. Dans la pratique, un fournisseur doit choisir sur une courbe
un point d'exploitation tel que celui représenté à la Figure 16 qui équilibrera les risques et donnera un résultat optimal. Le
choix d'un tel point d'exploitation est une décision opérationnelle ou stratégique qui nécessite une analyse économique du
problème décisionnel.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
Figure 16 — Risques globaux RP en fonction de RC pour l'exemple des roulements à billes. Tout point
sur la courbe correspond à une valeur particulière du multiplicateur de bande de garde, r, avec
plusieurs valeurs particulières identifiées. Toute mesure visant à réduire le risque client en
repoussant la limite d’acceptation à l'intérieur de l'intervalle de tolérance (augmentation de r) entraîne
toujours une augmentation du risque de rejet à tort de roulements conformes. Une analyse
économique est requise pour choisir une règle de décision optimale. Le cercle sans remplissage
correspond au point d'exploitation dans l'exemple étudié.
9.5.5 Approche graphique générale
9.5.5.1 Pour un processus ayant une tolérance donnée T, une fonction de densité de probabilité a priori
normale g0() = (; y0, u 02 ) et une fonction de densité de probabilité normale du système de mesure
h(m/) = (m;, um2 ), un graphique tel que celui représenté à la Figure 17 peut être créé pour faciliter la
détermination des limites d’acceptation.
9.5.5.2 2
Dans le présent exemple, il est supposé que l'information a priori est faible au sens où um << u 02 ,
de sorte que l'estimation y  m avec l'incertitude-type associée u  um (voir A.4.4.3).
9.5.5.3 La figure représente RP en fonction de RC pour le cas particulier où u0 = T/6.
9.5.5.4 Les cinq courbes de la figure correspondent à des valeurs de l'indice de capabilité de mesurage
Cm = T/(4um) comprises entre 2 et 10, et, le long de chaque courbe, les points situent des bandes de garde
ayant différents paramètres de longueur, de w = - U à w = U, avec l'incertitude élargie U égale à 2u.
9.5.5.5 Pour utiliser ce graphique particulier, il serait nécessaire de noter que
 le processus est supposé être centré de sorte que l'estimation préalable y0 du mesurande se situe au
milieu de l'intervalle de tolérance ;
 les bandes de garde supérieure et inférieure sont supposées avoir des paramètres de longueur égaux en
valeur absolue (intervalle d'acceptation symétrique) ;

GUIDE ISO/CEI 98-4:2012(F) -&*0
 RP et RC sont calculés en supposant des fonctions de densité de probabilité normales pour le processus
et le système de mesure ;
 pour les capacités de mesurage autres que les cinq valeurs indiquées, une interpolation est possible ;
 il est également possible d'effectuer une interpolation le long des courbes pour estimer les bandes de
garde.
Figure 17 — Risques globaux RP en fonction de RC pour une évaluation de la conformité binaire avec
une incertitude-type a priori u0 = T/6. Les cinq courbes correspondent à des valeurs de l'indice de
capabilité de mesurage Cm = T/(4um) comprises dans un intervalle de 2 à 10. Les points situent les
bandes de garde ayant des paramètres de longueur de w = - U à w = U, avec U = 2u. Les valeurs
positives de w correspondent à une acceptation avec bande de garde, avec des limites d’acceptation à
l'intérieur des limites de tolérance comme dans la Figure 12 de la page 24.
9.5.6 Valeur de l'incertitude de mesure réduite
9.5.6.1 Réduire l'incertitude associée au résultat d'un mesurage d'évaluation de la conformité réduira
également la probabilité de prendre une décision du type acceptation/rejet incorrecte. Cette observation est
bien illustrée à la Figure 17 par les lignes pointillées qui marquent les lieux des différentes bandes de garde.
9.5.6.2 Pour une règle de décision d'acceptation simple (w = 0), on voit par exemple que, si l'incertitude de
mesure était telle que Cm = T/(4um) = 2, alors le risque client serait RC  0,1 % et le risque fournisseur
correspondant serait RP  1,5 %.
9.5.6.3 Investir dans un système de mesure amélioré avec Cm = 10 réduirait respectivement ces risques
à RC  0,04 % et RP  0,07 %. Savoir si une telle réduction de l'incertitude de mesure serait économiquement
souhaitable dépend du compromis entre le coût de la métrologie améliorée et les économies réalisées par
une réduction du nombre d'erreurs de décision.
9.5.6.4 Améliorer le processus de production (ce qui réduit l'incertitude-type a priori u0) aura un effet
similaire en réduisant les risques globaux client et fournisseur, et impliquera un type similaire d'analyse
coût/bénéfice.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
Annexe A
(informative)
Lois de distribution normales
A.1 Fonction de densité de probabilité normale

A.1.1 Supposons qu'une grandeur d'intérêt Y soit mesurée, donnant une meilleure estimation y et une
incertitude-type associée u(y) = u. Dans un grand nombre de cas, la dispersion des valeurs probables  de Y
autour de l'estimation y, étant donné une valeur mesurée m, est bien caractérisée par une fonction de densité
de probabilité normale, donnée par
 1    y 2 

g  m   1
u 2
exp  
 2 u  
  :  ; y, u
2
  (A.1)
 
où y = y(m). Dans un grand nombre de mesurages d'évaluation de la conformité, y  m, mais ce n'est pas
toujours le cas ; voir A.4.4.
A.2 Intégrales de fonctions de densité de probabilité normales

A.2.1 Lors du calcul des probabilités de couverture, des probabilités de conformité et/ou des risques client
et fournisseur, il est souvent nécessaire d'évaluer les intégrales de fonctions de densité de probabilité
normales entre des limites finies ou semi-infinies. De telles intégrales ne peuvent pas être évaluées sous une
forme fermée et sont par conséquent évaluées numériquement et tabulées. Pour simplifier la notation, il est
pratique d'introduire la fonction de densité de probabilité normale réduite, 0(t), définie par
0 t  
1
2

exp  t 2 2   t; 0,1  (A.2)
A.2.2 Il existe deux manières classiques de trouver les intégrales de fonctions de densité de probabilité
normales exprimées :
a) la fonction de répartition normale réduite, (t), définie par
 
z z
 z  
   t  dt
1
exp  t 2 2 dt  0 (A.3)
2
 
et
b) l'intégrale de probabilité, erf(z), définie par
 exp -t dt

z
erf z  
2 2
(A.4)

0
Ces fonctions sont liées simplement ; à partir des définitions (A.3) et (A.4), on voit que
 z  
1
2

1  erf z  2  (A.5)

GUIDE ISO/CEI 98-4:2012(F) -&*0
A.2.3 Considérons la probabilité que Y se situe à l’intérieur de l’intervalle a ≤ Y ≤ b, étant donné une valeur
mesurée m. Pour la fonction de densité de probabilité normale de l'expression (A.1), cette probabilité est
donnée par
 1  
b 2

Pr a  Y  b m   1

exp  
y
  d
u 2  2 u  
  
En prenant z = ( - y)/u et dz = d/u, cette expression devient
b  y  u

Pr a  Y  b m   
b y
0 z  dz  
a y
  
  (A.6)
 u   u 
a  y u
en utilisant les expressions (A.2) et (A.3).
A.3 Probabilités de couverture pour des fonctions de densité de probabilité

normales
A.3.1 Dans un cas particulier courant, les points a et b définissent un intervalle élargi (ou intervalle
d'incertitude) de largeur 2U autour de l'estimation y, où U = ku est l'incertitude élargie pour un facteur
d'élargissement k spécifié (voir 6.3.2). Alors a = y - ku, b = y + ku et l'expression (A.6) devient
 
Pr Y  y  ku m   k     k   erf k  
2  Pk 
Les probabilités de couverture (ou niveaux de confiance) pour k = 1, 2 et 3 sont alors :
P 1   1    1  erf 1  

2  0,683  68,3 %,
P 2   2    2  erf 2  2   0,955  95,5 %,
P 3    3     3   erf 3 2   0,997  99,7 %.
A.4 Densités de probabilité normales du processus et du mesurage
A.4.1 Fonction de densité de probabilité a priori g0() pour le mesurande Y
A.4.1.1 Avant d'effectuer un mesurage, la connaissance d'un mesurande Y est souvent bien caractérisée
par une fonction de densité de probabilité a priori normale. En désignant la meilleure estimation par y0 et
l'incertitude-type associée par u0, cette fonction de densité de probabilité a priori est donnée par
 2
 
g 0     ; y0 , u02 
1
2 
1    y0
exp  
2  u0





w0
2
 w
 2

exp  0   y0 2 

(A.7)
u0
  
Dans la dernière expression, un poids w0 = 1/ u 02 a été introduit pour simplifier le développement ultérieur.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
A.4.2 Fonction de densité de probabilité h (m/) pour Ym, étant donné une valeur Y = 
A.4.2.1 Supposons que le système de mesure utilisé lors d'une évaluation de la conformité soit
caractérisé, via la fonction de vraisemblance, par une fonction de densité de probabilité normale. Si un tel
système est utilisé pour mesurer une propriété d'intérêt ayant une valeur supposée Y = , la fonction de
densité de probabilité représentant la croyance dans les valeurs possibles de Ym est alors donnée par
 2
 
h m    m ;, um
2
   um
1
2
1    
exp    m  
 2  um  
wm
2
 w
 2

exp  m  m   2 

(A.8)
 
2
où wm= 1/ um .
A.4.2.2 La fonction de densité de probabilité normale de l'expression (A.8) caractérise raisonnablement

un mesurage analysé conformément à la procédure décrite dans le GUM, lorsque les conditions nécessaires
pour la validité du théorème central limite existent. Le GUM ne suppose aucune connaissance a priori du
mesurande, de sorte que la dispersion des valeurs pouvant raisonnablement être attribuées au mesurande
après un mesurage est caractérisée par l'incertitude-type um.
A.4.3 Fonction de densité de probabilité marginale h0 (m) pour Ym
A.4.3.1 Il est intéressant de demander, et utile de connaître, la valeur mesurée m qui peut être réalisée
lorsqu'un élément est choisi de manière aléatoire dans le processus de production et la propriété d'intérêt Y
mesurée. Pour un processus caractérisé par la fonction de densité de probabilité a priori de l'expression (A.7)
et un système de mesure caractérisé par la fonction de densité de probabilité de l'expression (A.8), la fonction
de densité de probabilité souhaitée peut être calculée comme une densité de probabilité marginale, en
utilisant l'expression (16a), comme suit :

h0 m  
 g   h   

0 m


w0 wm
2  exp  2 w   y 
 1
0 0
2
 
 wm m   2  d


 1 w0 wm 

1 w0 wm
exp  m  y0 2  (A.9)
2 w0  wm  2 w0  wm 
2
1  1    y 
 exp  m 0 
um 2  2  um 
 

  m ; y0 , u2m 
où
w0  wm
um   u02  um
2
(A.10)
w0 wm
A.4.3.2 La fonction de densité de probabilité h0 (m) est considérée comme étant une loi normale ayant
une espérance mathématique y0 et une incertitude-type associée um donnée par l'expression (A.10).
A.4.3.3 L'espérance mathématique E(Ym) = y0 découle de l'hypothèse selon laquelle le système de

mesure a été corrigé pour toutes les erreurs systématiques significatives reconnues et est exempt d'erreur de
justesse.

GUIDE ISO/CEI 98-4:2012(F) -&*0
A.4.3.4 Dans l'expression (A.10), l'incertitude-type um est considérée comme étant la somme
quadratique des incertitudes-types associées aux fonctions de densité de probabilité du processus de
fabrication et du système de mesure. Les deux sources d'incertitude (un processus incertain et un système de
mesure imparfait) se combinent naturellement en ce qui concerne leurs effets sur la connaissance des valeurs
mesurées possibles d'une propriété d'intérêt. Étant donné un système de mesure de haute précision, au sens
où um << u0, alors um  u0 et l'incertitude relative aux valeurs mesurées possibles est presque totalement due
à une information incomplète concernant le processus de production.
A.4.4 Fonction de densité de probabilité a posteriori (après mesurage) g (/m) pour Y
A.4.4.1 L'égalité des membres de droite des expressions (16a) et (16b), à la page 26, et leur ré-écriture
donnent la fonction de densité de probabilité pour le mesurande Y après un mesurage donnant une valeur
mesurée m :

g  m   
g 0   h m   (A.11)
h0 m 
La comparaison avec l'expression (1) à la page 11 montre que ce résultat est un postulat du théorème de
Bayes, avec le dénominateur h0 (m) donné par l'expression (A.9). La substitution des fonctions de densité de
probabilité normales des expressions (A.7) à (A.9) dans l'expression (A.11) donne
 
2
w y  wmm 

g  m  
w0  wm
2
exp  0

w  wm
2
  0 0





  w0 wm  
1  1    y 2 
 exp     (A.12)
u 2  2 u  
 

  ; y,u 2 
où
w0 y0  wmm
y (A.13)
w0  wm
et
1 1 u0um
u   (A.14)
w0  wm 1 1 u02  um
2

u02 2
um
A.4.4.2 Le théorème de Bayes montre l'effet d'une nouvelle information concernant le mesurande Y
transmise par la valeur mesurée m et l'incertitude-type associée um. La densité de probabilité a posteriori
(A.12) est considérée comme étant une loi normale dont l'espérance mathématique (meilleure estimation) y,
expression (A.13), est une moyenne pondérée de y0 et m, les poids étant égaux aux inverses des variances
associées correspondantes.
A.4.4.3 À partir de l'expression (A.14), on voit que l'incertitude-type u associée à l'estimation y est
toujours inférieure à la fois à u0 et à um. Deux cas présentant un intérêt particulier sont couramment
rencontrés dans la pratique.
 Si la connaissance a priori est si faible qu'aucune tentative n'est faite pour assigner une fonction de
densité de probabilité a priori explicite au mesurande Y, alors um << u0 de sorte que wm >> w0. À partir de
l'expression (A.14), il s'ensuit que
y  m , u  um

-&*0 GUIDE ISO/CEI 98-4:2012(F)
et il est possible de dire que toutes les connaissances pertinentes des valeurs possibles de Y découlent
du mesurage lui-même. De tels mesurages sont le thème central du GUM qui est un guide pour
l'évaluation de um, étant donné un modèle de mesure approprié.
 Lors d'un étalonnage type, un instrument de mesure est utilisé pour mesurer un étalon de référence qui
réalise une estimation y0 d'une grandeur Y avec une faible incertitude-type associée u0. Pour un tel
étalonnage, l'erreur systématique de l'instrument est mal connue a priori, dans le sens où u0 << um, ou
w0 >> wm. La fonction de densité de probabilité a posteriori pour Y est alors telle que, en utilisant à
nouveau l'expression (A.14),
y  y0 , u  u0
Selon le sens commun, la connaissance de l'étalon de référence n'est pas modifiée par le mesurage
d'étalonnage. La lecture de l'instrument transmet néanmoins des informations sur l'erreur d'indication de
l'instrument, qui est la grandeur d'intérêt lors d'un étalonnage.
A.5 Calculs des risques avec des fonctions de densité de probabilité normales et
une règle de décision binaire
A.5.1 Les formules générales pour le calcul des risques client et fournisseur globaux ont été établies en 9.5,
et le cas particulier d'une évaluation de la conformité avec une règle de décision binaire a été traité en 9.5.3. Il
est intéressant d'établir des expressions pour les risques globaux dans le cas courant d'une règle de décision
binaire où la connaissance a priori d'un mesurande et les sorties possibles d'un système de mesure sont
toutes deux décrites par des lois normales.
A.5.2 Étant donné des lois normales, expressions (A.7) et (A.8), pour les fonctions de densité de probabilité
caractérisant le processus de production et le système de mesure, la fonction de densité de probabilité jointe
f(,m), (expression (16a) à la page 26), pour le résultat d'un mesurage est
  2 2 
 1    y0    

f ,m   g 0   h m    1
exp     m
  u


 
2u0um  2  u0   m  


En prenant v = (m - )/ um, dv = dm/um et z = ( - y0)/u0, dz = d/u0 et en les substituant dans les
expressions (19) et (20), on obtient, après simplification, les risques client et fournisseur globaux :
TL  y 0
u0 
RC 
 F z  z dz   F z  z  dz

0
TU  y 0
0 (A.15)
u0
et
TU  y 0
u0
RP 
 1  F z  z  dz
TL  y0
0 (A.16)
u0
Dans ces expressions, 0(z) = (1/ 2 ) exp (- z²/2) est la fonction de densité de probabilité normale réduite et
 A  y0  u 0 z   A  y0  u0 z 
F z    U    L
 

 (A.17)
 um   um 
où (t) est la fonction de répartition normale réduite.

GUIDE ISO/CEI 98-4:2012(F) -&*0
Annexe B
(informative)
Connaissance a priori du mesurande
B.1 Maîtrise statistique des processus

B.1.1 Lors de nombreuses évaluations de la conformité, la connaissance d'un mesurande Y avant
d'effectuer un mesurage n'est pas explicitement prise en compte dans les prises de décision
d'acceptation/rejet. Dans de tels cas, qui sont typiques des mesurages analysés conformément aux principes
énoncés dans le GUM, il est implicitement supposé que la connaissance a priori de Y est tellement faible
qu'elle a un effet négligeable sur le résultat de la décision.
B.1.2 Pour un processus dans lequel un grand nombre d'éléments nominalement identiques sont produits
dans le temps, la nature du processus peut être étudiée en mesurant périodiquement un échantillon de sa
production. Les statistiques générées lors de tels mesurages, telles qu'une moyenne mobile de l'échantillon et
un écart-type de l'échantillon, fournissent des informations sur la stabilité du processus de sorte qu'il peut être
réglé autant que nécessaire pour répondre aux critères de qualité de la production. La génération et
l'utilisation des informations de mesurage sous cette forme constituent la base de la maîtrise statistique des
processus (MSP). Une littérature considérable est disponible ; voir par exemple les références [33, 43].
B.1.3 Dans la maîtrise statistique des processus, le comportement d'un processus est couramment résumé
en supposant qu'un échantillon d'éléments mesurés à des fins de contrôle de la qualité comprend un
ensemble de réalisations d'une distribution de fréquence stable. La valeur moyenne µ et l'écart-type  de
cette distribution sont estimés à partir des statistiques de l'échantillon.
NOTE Un processus pour lequel les valeurs moyennes et les écarts-types présentent une variation acceptable par
rapport aux limites spécifiées, d'un échantillon à l'autre, est connu en tant que processus stable.
B.1.4 La fonction de densité de probabilité a priori g0() pour un mesurande Y prend alors la forme
mathématique de la distribution de fréquence suggérée par un histogramme des valeurs mesurées. La
propriété d'intérêt pour un élément choisi de manière aléatoire dans le processus se voit alors assigner une
meilleure estimation y0 = µ et une incertitude-type associée u0 = .
B.1.5 Cette procédure type de MSP a deux principaux inconvénients : (a) une modélisation fiable d'un
processus en utilisant un histogramme nécessite généralement un échantillon important, qui peut ne pas être
disponible, et (b) l'incertitude associée aux mesurages de l'échantillon est ignorée et ne joue aucun rôle dans
l'assignation de la fonction de densité de probabilité g0(). L'approche suivante traite ces deux problèmes et
ramène le résultat de SPC dans les limites appropriées.
B.2 Un élément choisi de manière aléatoire dans un échantillon d'éléments soumis à

mesurage
B.2.1 Considérons un échantillon de n éléments, ayant chacun une propriété d'intérêt Y lors d'une
évaluation de la conformité. L'échantillon est recueilli sur une période appropriée d'un processus de
production supposé stable. Les exemples comprennent :
 un échantillon de n cales étalons, caractérisées chacune par une longueur L ;
 un échantillon de n voltmètres numériques, caractérisés chacun par une erreur d'indication E lors du
mesurage d'une tension de référence normalisée ;
 un échantillon de n connecteurs de fibres optiques, caractérisés chacun par un affaiblissement

d'insertion .

-&*0 GUIDE ISO/CEI 98-4:2012(F)
B.2.2 Pour chacun des n éléments, la propriété d'intérêt est mesurée, donnant un ensemble d'estimations
y1,…., yn et une incertitude-type de mesure associée u~ . L'incertitude u~ dépend du mode opératoire utilisé
pour mesurer les échantillons et est supposée être identique pour tous les mesurages. Les propriétés de
l'échantillon sont ensuite résumées en calculant une moyenne de l'échantillon y et une variance de
l'échantillon s2 définies par
 yk
1
y (B.1)
n
k 1
et
 yk  y 
1 2
s2  (B.2)
n
k 1
  y k  y 2
n
NOTE La variance de l'échantillon est souvent définie en divisant la somme par n - 1 plutôt que n. Il
k 1
peut être démontré que la grandeur obtenue est un estimateur non biaisé de la variance ² d'une distribution de fréquence
à partir de laquelle les échantillons de données sont supposés être obtenus. En définissant s² dans l'expression (B.2),
l'objectif n'est pas d'estimer une variance inconnue, mais plutôt de caractériser la dispersion des valeurs de l'échantillon
autour de leur moyenne. Si les données sont supposées être un échantillon aléatoire issu d'une distribution de fréquence
normale (;,²), il peut alors être démontré que la variance de l'échantillon (B.2) est l'estimateur de la vraisemblance
maximale de ² [10].
B.2.3 L'un des éléments mesurés est choisi de manière aléatoire (avec une probabilité 1/n) et est considéré
comme étant représentatif du processus de production. Prenons Yr pour désigner la propriété d'intérêt pour
l'élément choisi de manière aléatoire. Les informations pertinentes pour les valeurs possibles  de Yr
comprennent uniquement les statistiques de l'échantillon (B.1) et (B.2), les estimations individuelles y1,…., yn
étant rejetées une fois les mesurages effectués. Les propriétés synthétiques de la fonction de densité de
probabilité pour Yr peuvent être calculées comme suit.
B.2.4 Prenons fr() pour désigner la fonction de densité de probabilité pour Yr et désignons les fonctions de
densité de probabilité pour les n propriétés de l'échantillon Y1,…., Yn par fk(), k = 1,…., n. En notant que
chacun des n éléments a la même chance d'être sélectionné, fr() peut être écrite comme la fonction de
densité de probabilité marginale
n
fr     f  
1
k (B.3)
n
k 1
appelée de manière appropriée distribution du mélange fini [41].
B.2.5 La forme d'une fonction de densité de probabilité particulière fk() n'est généralement pas connue,
mais étant donné qu'elle transmet la connaissance de la propriété Yk du kème élément mesuré,

E Yk   yk 
f   d

k (B.4)
et

V Yk   u~2 
   y  f k   d
2
k (B.5)

Étant donné ces résultats et la fonction de densité de probabilité fr() de l'expression (B.3), la meilleure
estimation yr de la propriété Yr et l'incertitude-type associée ur peuvent ensuite être calculées.

GUIDE ISO/CEI 98-4:2012(F) -&*0
B.2.6 Pour l'estimation yr, nous avons, par définition
 n  n
 fr   d    f   d  n  yk
1 1
yr  k
n
 k 1   k 1
où l'expression (B.4) a été utilisée dans la dernière étape. La comparaison de ce résultat avec
l'expression (B.1) montre que la meilleure estimation a priori de Y est égale à la moyenne de l'échantillon :
yr  y (B.6)
B.2.7 La variance associée de Y, dont la racine carrée positive est l'incertitude-type, est ensuite donnée par
 n 
   y  fr   d      y  f k   d
2 1 2
ur2  (B.7)
n
 k 1  
Si l'on écrit maintenant
  y 2    yk  yk  y 2    yk 2  2  yk  yk  y 
en utilisant les expressions (B.4) et (B.5) et en les substituant dans l'expression (B.7), on obtient le résultat
suivant
 y  y 2
1
ur2  u~2  k (B.8)
n
k 1
B.2.8 La somme dans la partie droite de l'expression (B.8) est considérée comme étant la variance de
l'échantillon s² [voir l'expression (B.2)] de sorte que
ur2  u~2  s 2 (B.9)
et l'incertitude-type associée à l'estimation a priori y0 est
ur  u~2  s 2 (B.10)
B.2.9 L'incertitude-type ur donnée par l'expression (B.10) est considérée comme étant une combinaison
quadratique [ou la racine carrée de la somme des carrés (RSS)] de deux composantes qui sont juste les deux
paramètres résumant les données de l'échantillon : un terme u~ 2 dû à l'incertitude-type commune associée
aux mesurages de l'échantillon, et un terme s² qui caractérise la variabilité des estimations y1,…., yn.
NOTE La variabilité due à la variation du processus et le défaut de répétabilité des mesurages sont combinés dans
la variance observée de l'échantillon s². Il convient que l'incertitude-type u~ comprenne une composante qui capture l'effet
de la variation du mesurage.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
B.2.10 L'estimation de la moyenne et de la variance de l'échantillon calculées pour l'élément choisi de

manière aléatoire, expressions (B.6) et (B.7), sont ensuite prises pour caractériser la production future du
processus, supposé être stable et sans dérive. Le modèle logique a un métrologue ou inspecteur raisonnant
comme suit :
« J'ai choisi un élément futur issu du processus de production. Que puis-je dire à propos de la propriété
Y de cet élément avant qu'elle ne soit mesurée ? Sur la base des résultats des mesurages de
l'échantillon, je pense que la meilleure estimation de Y est y0 = yr, donnée par l'expression (B.6), avec
une variance associée u 02 = u r2 donnée par l'expression (B.9). Ceci représente l'étendue de mes
connaissances. Étant donné ces informations et le principe du maximum d'entropie (voir
JCGM 101:2008, 6.3, et référence [45]), j'assignerai une fonction de densité de probabilité normale
pour représenter ma connaissance a priori de la propriété Y pour cet élément. »
B.2.11 Cela conduit à la loi normale (ou de Gauss) suivante pour représenter la connaissance a priori de la
propriété Y :
 2
g 0   
1
2 
1    y0
exp   
2


 
    ; y0 , u02


u0
  u0  
avec y0 = y et u 02 = u~ 2 + s².
B.2.12 Dans le cas courant où s² >> u~ 2 , l'incertitude associée à la valeur d'une propriété d'un élément choisi
de manière aléatoire dans le processus de production est dominée par la variabilité du processus. Alors,
u0    s, où le processus est modélisé par une distribution de fréquence avec un écart-type  estimé par
l'écart-type de l'échantillon s.
B.3 Propriété positive proche d'une limite physique

B.3.1 La fonction de densité de probabilité normale a une étendue infinie. Dans le cas d'une propriété
(mesurande) strictement positive, une fonction de densité de probabilité normale assignée répartira une
fraction de sa probabilité sur des valeurs négatives (et donc impossibles) de la propriété. Pour une propriété
dont la meilleure estimation se situe à moins de quelques multiples de son incertitude-type associée de zéro,
cette fraction de la probabilité peut être significative. Dans un tel cas, l'assignation d'une fonction de densité
de probabilité normale serait une manière déraisonnable de coder la connaissance du mesurande.
B.3.2 De nombreuses fonctions de densité de probabilité bien connues sont limitées à des valeurs positives
de leurs arguments. Selon les informations disponibles, une telle fonction de densité de probabilité peut servir
à modéliser la connaissance d'un mesurande Y proche d'une limite physique. Dans le cas où la connaissance
de Y ≥ 0 est limitée à une meilleure estimation et une variance associée, comme en B.2, le principe du
maximum d'entropie conduit à l'assignation d'une loi normale qui est tronquée à zéro [11]. Si les valeurs de Y
proches de zéro sont censées avoir une probabilité négligeable, l'assignation d'une fonction de densité de
probabilité a priori g0() qui s'approche de zéro lorsque   0 peut être appropriée. Une telle loi est la fonction
de densité de probabilité gamma, que l’on utilisera comme exemple.
B.3.3 La fonction de densité de probabilité gamma, avec des paramètres positifs  et λ, est définie par
  1  
gamma ; ,     e ,  0 (B.11)
 
où () est la fonction gamma :

  
x
 1  x
e dx
0

GUIDE ISO/CEI 98-4:2012(F) -&*0
NOTE 1 Les cas particuliers de la fonction de densité de probabilité gamma comprennent gamma (; 1, λ) (une
fonction de densité de probabilité exponentielle avec le paramètre λ) et gamma (; n/2, 1/2) (une fonction de densité de
probabilité chi-deux avec n degrés de liberté).
NOTE 2 Il est possible de définir une loi gamma à 3 paramètres en remplaçant  par ( - ) dans l'expression (B.11), où
le paramètre  devient l'extrémité gauche et la loi est limitée à l'intervalle  ≥ .
Figure B.1 — Plusieurs fonctions de densité de probabilité gamma (; , ), calculées conformément à
l'expression (B.11), pour des paires de paramètres sélectionnées (,)
B.3.4 La Figure B.1 représente quatre fonctions de densité de probabilité gamma pour des valeurs
particulières de  et . Il est simple de montrer que l'espérance mathématique et la variance de la fonction de
densité de probabilité gamma sont données par
 
E Y   y0  , V Y   u02  (B.12)
 2
et que la valeur maximale (mode) de la distribution se produit lorsque
 1
 (B.13)

B.3.5 Étant donné un état particulier d'information a priori, les valeurs appropriées de  et  peuvent être
estimées en utilisant ces expressions. Dans le cas où la connaissance d'une propriété (mesurande) Y est
obtenue en mesurant un échantillon d'éléments produits, l'estimation a priori et la variance associée sont
estimées par les statistiques de l'échantillon : y0 = y et u 02 = s². Les expressions (B.12) peuvent ensuite être
résolues pour les paramètres de la fonction de densité de probabilité gamma :
y2 y
 2
,  (B.14)
s s2

-&*0 GUIDE ISO/CEI 98-4:2012(F)
Ces estimations sont les estimations dites de la « méthode des moments » et peuvent ne pas être
satisfaisantes pour un échantillon de petite taille. Les solutions de remplacement sont les estimations du
maximum de vraisemblance, mais celles-ci nécessitent généralement une certaine forme d'optimisation
numérique ou la résolution d'un système d'équations non linéaires.
B.3.6 Un exemple utilisant une fonction de densité de probabilité gamma dans le calcul des risques client et
fournisseur est donné en 9.5.4.
B.3.7 Des informations utiles sur les propriétés et les utilisations des lois de probabilité sont données dans
les ouvrages d'Evans, Hastings et Peacock [30] et de Johnson, Kotz et Balakrishnan [28].

GUIDE ISO/CEI 98-4:2012(F) -&*0
Annexe C
(informative)
Liste des principaux symboles
NOTE L'abréviation PDF est utilisée pour le terme fonction de densité de probabilité.
A Intervalle des valeurs mesurées acceptables Ym

~
A Intervalle des valeurs mesurées non acceptables Ym
AL Limite d’acceptation inférieure
AU Limite d’acceptation supérieure
a Limite inférieure de l'intervalle dans lequel il est connu qu'une variable aléatoire se situe
b Limite supérieure de l'intervalle dans lequel il est connu qu'une variable aléatoire se situe
C Intervalle des valeurs conformes d'une propriété d'intérêt (mesurande) Y
~
C Intervalle des valeurs non conformes d'une propriété d'intérêt (mesurande) Y
Cm Indice de capabilité de mesurage
E(X) Espérance mathématique d'une variable aléatoire X
E(Y|m) Espérance mathématique conditionnelle d'un mesurande Y, sachant une valeur
mesurée m
Emax Erreur d'indication maximale tolérée pour un instrument de mesure
erf(z) Intégrale de probabilité avec la variable z
f(,m) PDF combinée avec les variables  et m pour les grandeurs Y et Ym
GX() Fonction de répartition avec la variable  pour la grandeur X
gamma(; , λ) PDF gamma avec la variable  et les paramètres  et λ
g (|m) PDF avec la variable  pour un mesurande Y, étant donné une valeur mesurée m
g0 () PDF avec la variable  pour un mesurande Y avant le mesurage
g0 (|I) PDF a priori avec la variable  pour un mesurande Y avec la présentation explicite de
l'information a priori I ; identique à g0 ()
gX() PDF avec la variable  pour la grandeur X
h (m|) PDF avec la variable m pour la grandeur de sortie Ym d'un système de mesure, étant
donné une valeur vraie supposée  d'un mesurande Y
h 0 (  m) PDF marginale avec la variable m pour la grandeur de sortie Ym d'un système de mesure
k Facteur d'élargissement
L(;m) Vraisemblance d'une valeur vraie  étant donné une valeur mesurée m
p Probabilité de couverture
pc Probabilité de conformité
pc Probabilité de non-conformité
RC Risque client global
RC* Risque client spécifique
RP Risque fournisseur global
RP* Risque fournisseur spécifique
s² Variance de l'échantillon
T Tolérance
TL Limite de tolérance inférieure

-&*0 GUIDE ISO/CEI 98-4:2012(F)
TU Limite de tolérance supérieure

U Incertitude élargie
u Incertitude-type
u0 Incertitude-type associée à l'estimation y0 d'un mesurande Y avant d'effectuer un
mesurage
um Incertitude-type associée à une valeur mesurée m lorsque la connaissance a priori du
mesurande est négligeable
V(X) Variance d'une variable aléatoire X
V(Y|m) Variance conditionnelle d'un mesurande Y, sachant une valeur mesurée m
w Paramètre de longueur d'une bande de garde
Y Propriété mesurable (mesurande) d'un élément, prise comme variable aléatoire
Ym Sortie d'un système de mesure, prise comme variable aléatoire
y Moyenne de l'échantillon
Y0 Espérance mathématique de Y avant d'effectuer un mesurage
~y Valeur mesurée normalisée
 Paramètre d'une PDF gamma
(z) Fonction gamma avec la variable z
 Variable décrivant les valeurs possibles d'un mesurande Y
λ Paramètre d'une PDF gamma
(z) Fonction de la distribution normale réduite avec la variable z
0(z) PDF normale réduite avec la variable z
0(; y, u²) PDF normale (de Gauss) avec la variable , l'espérance mathématique y et la variance u²

GUIDE ISO/CEI 98-4:2012(F) -&*0
Bibliographie
[1] Agilent Technologies. Metrology Forum. 2001. http://metrologyforum.tm.agilent.com/terminology.shtml.
[2] American Society of Mechanical Engineers. ASME B89.7.3.1:2001 Guidelines for decision rules:
Considering measurement uncertainty in determining conformance to specifications. New York, NY,
2001.
[3] BIPM, IEC, IFCC, ILAC, ISO, IUPAC, IUPAP, and OIML. Evaluation of measurement data —
Supplement 3 to the \Guide to the expression of uncertainty in measurement" — Modelling. Joint
Committee for Guides in Metrology, JCGM 103, in preparation.
[4] Box, G. E. P., and Tiao, G. C. Bayesian Inference in Statistical Analysis. Wiley Classics Library. John
Wiley and Sons, 1992.
[5] D'Agostini, G. Bayesian Reasoning in Data Analysis. World Scientific Publishing, 2003.
[6] Deaver, D. How to maintain your confidence (in a world of declining test uncertainty ratios). 1993
NCSL Workshop and Symposium (1993), 133-53.
[7] Deaver, D. Guardbanding with confidence. 1994 NCSL Workshop and Symposium (1994), 383{94.
[8] Deaver, D. Managing calibration confidence in the real world. 1995 NCSL Workshop and Symposium
(1995), 1-17.
[9] Deaver, D. Guardbanding and the world of ISO Guide 25: Is there only one way? 1998 NCSL
Workshop and Symposium (1998), 319-32.
[10] DeGroot, M. H. Probability and Statistics. Addison-Wesley, 1975.
[11] Dowson, D. C., and Wragg, A. Maximum entropy distributions having prescribed first and second order
moments. IEEE Trans. IT 19 (1973), 689-693.
[12] Eagle, A. R. A method for handling errors in testing and measuring. Ind. Qual. Control 10, 3 (1954),
10-15.
[13] EURACHEM/CITAC Guide. Use of uncertainty information in compliance assessment, 1st ed., 2007.
http://www.eurachem.org/guides/_with_expanded_uncertainty_2007_v1.pdf.
[14] Fearn, T., Fisher, S. A., Thompson, M., and Ellison, S. A decision theory approach to fitness for
purpose in analytical measurement. The Analyst 127 (2002), 818-824.
[15] Forbes, A. B. Measurement uncertainty and optimized conformance assessment. Measurement 39

(2006), 808-814.
[16] Gregory, P. Bayesian Logical Data Analysis for the Physical Sciences. Cambridge University Press,
2005.
[17] Grubbs, F. A., and Coon, H. J. On setting test limits relative to specification limits. Ind. Qual. Control
10, 3 (1954), 15-20.
[18] Hibbert, D. B. Quality Assurance in the Analytical Chemistry Laboratory. Oxford University Press,
2007.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
[19] Commission Electrotechnique Internationale. CEI GUIDE 115 Application de l’incertitude de mesure
aux activités d’évaluation de la conformité dans le secteur électrotechnique. 2007. Edition 1.0
[20] International Laboratory Accreditation Cooperation. ILAC-G8:1996 Guidelines on assessment and

reporting of compliance with specification. Silverwater, Australia, 1996.
[21] Organisation Internationale de Normalisation. ISO 14253-1:1998 Spécification géométrique des

produits (GPS) -— Vérification par la mesure des pièces et des équipements de mesure -— Partie 1:
Règles de décision pour prouver la conformité ou la non-conformité à la spécification. Genève, 1998.
[22] Organisation Internationale de Normalisation. ISO 10576-1:2003(E) Méthodes statistiques — Lignes

directrices pour l'évaluation de la conformité à des exigences spécifiées — Partie 1 : Principes
généraux. Genève, 2003.
[23] Organisation Internationale de Normalisation. ISO/CEI 17025:2005 Exigences générales concernant la

compétence des laboratoires d'étalonnages et d'essais. Genève, 2005.
[24] Organisation Internationale de Normalisation. ISO 3650 Spécification géométrique des produits
(GPS) — Étalons de longueur — Cales-étalons, 2nde éd. Genève, 1998.
[25] International Organization of Legal Metrology. OIML R 111-1 Edition 2004(E) Weights of classes E1,
E2, F1, F2, M1, M1-2, M2, M2-3, M3 — Part 1: Metrological and technical requirements. Paris.
[26] Jaynes, E. T. Probability Theory: The Logic of Science. Cambridge University Press, 2003.
[27] Jeffreys, H. Theory of Probability, 3rd ed. Clarendon Press, Oxford, 1983.
[28] Johnson, N. L., Kotz, S., and Balakrishnan, N. Continuous Univariate Distributions, Volume 1, 2nd ed.
John Wiley & Sons, New York, NY, 1994.
[29] Källgren, H., Lauwaars, M., Magnusson, B., Pendrill, L., and Taylor, P. Role of measurement
uncertainty in conformity assessment in legal metrology and trade. Accred. Qual. Assur. 8 (2003), 541-
47.
[30] M. Evans, N. H., and Peacock, B. Statistical Distributions, 3rd ed. Wiley, 2000.
[31] Modarres, M., Kaminskiy, M., and Krivtsov, V. Reliability and Risk Analysis. Marcel Dekker, New York,
1999.
[32] NCSL International. ANSI/NCSL Z540-3:2006 Requirements for the Calibration of Measuring and Test
Equipment. Boulder, Colorado USA, 2006.
[33] Oakland, J. S. Statistical Process Control, 6th ed. Butterworth-Heinemann, 2007.
[34] Pendrill, L. R. Optimised measurement uncertainty and decision-making when sampling by variables
or by attribute. Measurement 39 (2006), 829-840.
[35] Pendrill, L. R. Optimised measurement uncertainty and decision-making in conformity assessment.

NCSLI Measure 2, 2 (2007), 76-86.
[36] Pendrill, L. R., and Källgren, H. Exhaust gas analysers and optimised sampling, uncertainties and
costs. Accred. Qual. Assur. 11 (2006), 496-505.
[37] Possolo, A., and Toman, B. Assessment of measurement uncertainty via observation equations.
Metrologia 44 (2007), 464-475.
[38] Rossi, G. B., and Crenna, F. A probabilistic approach to measurement-based decisions. Measurement
39 (2006), 101-19.

GUIDE ISO/CEI 98-4:2012(F) -&*0
[39] Sivia, D. S. Data Analysis - A Bayesian Tutorial. Clarendon Press, Oxford, 1996.
[40] Sommer, K.-D., and Kochsiek, M. Role of measurement uncertainty in deciding conformance in legal
metrology.
[41] Titterington, D. M. Statistical analysis of finite mixture distributions. Wiley, 1985.
[42] Van Der Grinten, J. G. M. Confidence levels of measurement-based decisions. OIML Bulletin XLIV, 3
(July 2003), 5-11.
[43] Wheeler, D. J., and Chambers, D. S. Understanding Statistical Process Control, 2nd ed. SPC Press,
1992.
[44] Williams, E., and Hawkins, C. The economics of guardband placement. In Proceedings of the 24th
IEEE International test Conference (Baltimore, 1993).
[45] Wöger, W. Probability assignment to systematic deviations by the principle of maximum entropy. IEEE
Trans. Inst. Meas. IM-20, 2 (1987), 655-8.

-&*0 GUIDE ISO/CEI 98-4:2012(F)
Index alphabétique intervalle de rejet, 6
intervalle de tolérance, vii, viii, 5, 8, 9, 12-16, 19,

21-24, 27, 28, 30, 32
acceptation avec bande de garde, 21, 22, 28, 31
intervalle élargi, vii, 1, 4, 12, 16, 17, 35
bande de garde, 6, 20-22, 28, 31, 32 limite(s) d’acceptation, viii, 1, 6, 8, 19{23, 28-32
contrôle, 5 limite(s) de tolérance, vii, viii, 1, 5, 6, 8-10, 14-17,
20, 21
écart-type, 3, 11, 23, 27, 39, 41
échantillon, 29, 39, 41 loi de probabilité, 2
élément non conforme, 1, 7, 21, 25 maîtrise statistique des processus, 39
élément, vii, 1, 4-10, 12-14, 19, 20, 22, 24-27, 29,
mesurande, vii, 4, 7, 9-11, 17, 20, 35, 39
35, 39-41
probabilité de conformité, viii, 1, 6, 13-19, 22, 23,
erreur maximale tolérée, 7, 10, 18 25, 26, 28, 30
espérance mathématique, 3, 11, 29, 30, 36, 37, 42
probabilité de couverture, vii, 1, 4, 12, 16, 17
évaluation de la conformité, vii, viii, 1, 2, 5, 6, 8-10, propriété, 4, 5, 7, 8, 10, 12, 14, 19, 24
24-31, 33, 34, 37, 39
règle de décision, 6, 8, 9, 19-22, 24, 25, 27, 30,
exigence spécifiée, vii, viii, 1, 5, 6, 8, 9, 11-13, 18
31, 37
PDF, voir fonction de densité de probabilité rejet avec bande de garde, 22
fonction de densité de probabilité, vii, 1-3, 10, 34 résultat d’un mesurage, vii, 1, 4, 7, 8, 11, 16, 19
gamma, 29, 30, 42, 43
combinée, 26, 27, 37
risque client
normale, 13-15, 17, 23, 27-30, 34-38, 41
global, 6, 25, 27, 29, 31
a posteriori, 11, 36, 37
spécifique, 6, 25, 26
a priori, 10, 11, 24, 29, 32, 35-37, 39
risque fournisseur
fonction de répartition, 1, 2, 12, 14, 34, 38
global, 7, 25, 27, 31
spécifique, 6, 25, 26
grandeur, vii, 1, 3
risque partagé, 19, 20, 31
incertitude
élargie, 7, 12, 20, 22, 32, 35
théorème de Bayes, 10, 11, 36, 37
mesure, vii, viii, 4, 8, 9, 19, 27-29
type, 7, 11-13, 15, 16, 23, 29, 34-37, 39-41
tolérance, 6, 7, 9, 15, 18, 32
indication, vii, 5, 7, 8
valeur d’une grandeur, 3
mesurée, vii, viii, 1, 4, 6, 7, 11, 19, 24-29, 34-
indice de capabilité de mesurage, 7, 17, 18, 20,
37, 39
32, 33
vraie, 4
intervalle d’acceptation, viii, 1, 6, 19, 22, 24, 25,
variance, 3, 11, 37, 40-43
27, 28, 30-32
échantillon, 39-41

NF Iso Cei Guide 98-4 (2013)

Transféré par

Droits d'auteur :

Formats disponibles

NF Iso Cei Guide 98-4 (2013)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

NF Iso Cei Guide 98-4 (2013)

Transféré par

Droits d'auteur :

Formats disponibles

FA157641 ISSN 0335-3931

NF ISO/CEI GUIDE 98-4

Indice de classement : X 07-040-4

Incertitude de mesure — Partie 4 : Rôle de l'incertitude

E : Uncertainty of measurement — Part 4: Role of measurement uncertainty

Norme française homologuée

Correspondance Le présent document reproduit intégralement le guide ISO/CEI 98-4:2012. Il a le

Descripteurs Thésaurus International Technique : essai de conformité, métrologie, évaluation,

© AFNOR — Tous droits réservés Version de 2013-10-P

Pour comprendre les normes

L’attention du lecteur est attirée sur les points suivants :

Métrologie AFNOR X07B

Composition de la commission de normalisation

MME AMAROUCHE LNE

Liste d'experts du groupe de travail développant un fascicule de documentation explicatif de la

© ISO/CEI 2012 – Tous droits réservés iii

9.5.5 Approche graphique générale ............................................................................................................37

iv © ISO/CEI 2012 – Tous droits réservés

 Partie 1: Introduction à l’expression de l’incertitude de mesure

 Partie 3 : Guide pour l’expression de l’incertitude de mesure (GUM:1995)

 Partie 4: Rôle de l'incertitude de mesure dans l'évaluation de la conformité

Les parties suivantes sont prévues :

 Partie 2 : Concepts et principes de base

 Partie 5 : Applications de la méthode des moindres carrés

Le Guide ISO/CEI 98-3 a deux suppléments :

 Supplément 1 : Propagation de distributions par une méthode de Monte Carlo

 Supplément 2 : Extension à un nombre quelconque de grandeurs de sortie

Le supplément suivant au Guide ISO/CEI 98-3 est prévu :

Dans la mesure où le contenu du Guide ISO/CEI 98-3:2008/Suppl.1:2011 est identique à celui du

© ISO/CEI 2012 – Tous droits réservés v

Évaluation des données de mesure — Le rôle de l’incertitude de

Versions faisant foi et traductions

vi © ISO/CEI±-&*02012 – Tous droits réservés

© ISO/CEI±-&*02012 – Tous droits réservés vii

Le JCGM a deux Groupes de travail. Le Groupe de travail 1, « Expression de l'incertitude de mesure », a la

viii © ISO/CEI±-&*02012 – Tous droits réservés

© ISO/CEI±-&*02012 – Tous droits réservés ix

En raison de l'incertitude de mesure, il existe toujours un risque de décision incorrecte concernant la

Un intervalle d'acceptation particulier, et sa relation avec un intervalle de tolérance correspondant, sont

x © ISO/CEI±-&*02012 – Tous droits réservés

© ISO/CEI±-&*02012 – Tous droits réservés 1

JCGM 200:2012, Vocabulaire international de métrologie — Concepts fondamentaux et généraux et termes

ISO/CEI 17000:2004, Évaluation de la conformité — Vocabulaire et principes généraux

ISO 3534-2:2006, Statistique — Vocabulaire et symboles — Partie 2 : Statistique appliquée

3.1 Termes relatifs à la probabilité

NOTE Il existe de nombreuses représentations mathématiques équivalentes d'une distribution comprenant la

[Adaptée de l'ISO 3534-1:2006, 2.11]

2 © ISO/CEI±-&*02012 – Tous droits réservés

[JCGM 101:2008, 3.2]

NOTE gX() d est la « probabilité élémentaire ».

[Adaptée du JCGM 101:2008, 3.3]

pour -  <  < + 

[JCGM 101:2008, 3.4]

NOTE 1 L’espérance mathématique est également connue comme la « moyenne ».

NOTE 2 Les variables aléatoires n'ont pas toutes d’espérance mathématique.

[JCGM 101:2008, 3.6]

© ISO/CEI±-&*02012 – Tous droits réservés 3

NOTE 1 Les variables aléatoires ne possèdent pas toutes une variance.

[JCGM 101:2008, 3.7]