Des résidus : s_r = √(Σr²/(n − p)) ; pour une droite u(a) = s_r/√Σ(x − x̄)² ; en général covariance s_r²(JᵀJ)⁻¹, ou (JᵀWJ)⁻¹ si u(y) est renseignée (ajustement pondéré, χ² réduit ≈ 1 attendu).

Le √n caché n'est légitime que si le bruit de chaque point est indépendant. Vérifications : Durbin-Watson (≈ 2 si les résidus sont indépendants, sinon u est sous-estimée et corrigée), bootstrap (refaire l'ajustement sur des tirages des points), sensibilité à la zone (le choix de la zone peut dominer). Ce qui décale toute la courbe (capteur, longueur mesurée une fois) reste du type B.

Type B = évaluation sans répétition : résolution q → q/√12 ; notice « ±a » → a/√3 (loi uniforme) ou a/√6 (triangulaire) ; certificat « U (k = 2) » → U/2.

c convertit la composante dans l'unité du résultat (g = 2a → c = 2 pour u(a) ; g = 2L/t² → c = 2/t² pour u(L)). Pour une relation non linéaire ou des erreurs corrélées : ⑤ Monte-Carlo.

u_c = √Σ(c·u)² ; ν_eff (Welch-Satterthwaite) → k de Student à 95 % → U = k·u_c. z = |x − x_réf| / √(u_c² + u_réf²) : un bon z est un z honnête — u_c doit contenir toutes les composantes.

Même essai : la dispersion ne mesure que l'exploitation (zone, méthode, lecture) ; les résultats sont corrélés, donc pas de s/√N : on annonce s par résultat, comparée à u d'ajustement. Si l'essai était biaisé, toute la classe converge vers une valeur fausse.

Chacun son essai : répétabilité de toute la mesure → type A légitime, u = s/√N pour la moyenne, plus le type B commun (même capteur). Si chaque groupe a estimé son u, les z doivent suivre une loi normale : ≈ 95 % sous 2 ; sinon incertitudes mal estimées ou biais commun.

Les deux : s_totale² ≈ s_exploitation² + s_mesure² → part de chaque source. Seul un autre instrument ou une autre méthode révèle le biais de l'instrument.