{
 "cells": [
  {
   "cell_type": "markdown",
   "id": "385ace9b",
   "metadata": {},
   "source": [
    "## Nom :"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "4c81255d",
   "metadata": {},
   "source": [
    "<h1 align=\"center\"> Série 1 <br> TP Fentes d'Young <br></h1>   "
   ]
  },
  {
   "cell_type": "markdown",
   "id": "1a022411",
   "metadata": {},
   "source": [
    "## 2- Influence de l'écartement des fentes  \n",
    "\n",
    "\n",
    "On commence par importer les bibliothèques :"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "fa64a262",
   "metadata": {},
   "outputs": [],
   "source": [
    "import numpy as np\n",
    "import numpy.random as rd\n",
    "import matplotlib.pyplot as plt"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "f6f283ff",
   "metadata": {},
   "source": [
    "Entrer vos mesures :"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "967eb2ee",
   "metadata": {},
   "outputs": [],
   "source": [
    "#créer le tableau des valeurs de a en microns\n",
    "a = np.array()\n",
    "#convertir en m\n",
    "a = \n",
    "#Liste des valeurs de i en mm\n",
    "i = np.array(])\n",
    "#convertir en m\n",
    "i = "
   ]
  },
  {
   "cell_type": "markdown",
   "id": "c99f2b0f",
   "metadata": {},
   "source": [
    "Entrer vos évaluations d'incertitudes :"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "d39687fe",
   "metadata": {},
   "outputs": [],
   "source": [
    "#renseigner l'incertitude-type sur a en m\n",
    "u_a = \n",
    "#créer un tableau d'incertitude-type pour i en m\n",
    "u_i = np.array()"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "612d56f0",
   "metadata": {},
   "source": [
    "## Tracé et régression linéaire\n",
    "La variation de i en fonction de a n'est pas linéaire. Il faut se ramener à une loi linéaire. On va tracer i en fonction de 1/a.\n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "16b7dfdf",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Calcul de l inverse de a :\n",
    "inva = 1/a\n",
    "# Calcul de l'incertitude sur l'inverse de a :\n",
    "u_inva =                 # A compléter\n",
    "print(inva)\n",
    "print(u_inva)"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "edd646a3",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Tracer i en fonction de l'inverse de a avec barres d'erreur de 2 fois l'incertitude-type :\n",
    "plt.errorbar(inva,i,xerr=2*u_inva,yerr=2*u_i,fmt='bo')\n",
    "#légender les axes, mettre le titre\n",
    "plt.xlabel('$1/a (m^{-1})$              ')\n",
    "plt.ylabel(' $i(m)$           ')\n",
    "plt.title(\"Tracé de l'interfrange en fonction de l'inverse de l'écart des fentes\")\n",
    "# Rajouter une droite de régression linéaire : i = pente*a + cte\n",
    "reg = np.polyfit(inva,i,1)\n",
    "# La pente est reg[0], l'ordonnée à l'origine est reg[1]\n",
    "plt.plot(inva, np.polyval(reg,inva), 'r', label='Régression linéaire')\n",
    "plt.show()"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "a2002b7a",
   "metadata": {},
   "source": [
    "###  Calculer la longueur d'onde :"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "e56a7f1f",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Entrer la valeur de la distance D entre les fentes d'Young et l'écran:\n",
    "D =                   #en mètre\n",
    "# Incertitude-type sur D :\n",
    "u_D =          #en mètre\n",
    "# Calculer la valeur moyenne expérimentale de lambda:\n",
    "lamb = \n",
    "print('lambda=',lamb,'en mètre')"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "0f9b001b",
   "metadata": {},
   "source": [
    "### Evaluation de l'incertitude sur les paramètres de la régression linéaire par la méthode de Monte-Carlo :  \n"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "6170116b",
   "metadata": {},
   "outputs": [],
   "source": [
    "# Nombre de simulations pour estimer l'incertitude-type\n",
    "N = 10**4                     # Choisir N grand !\n",
    "# Initialisation de la liste des pentes\n",
    "liste_pentes = []\n",
    "# N Régressions linéaires pour chaque valeur de a et de i tirées aléatoirement dans les intervalles de certitude :\n",
    "# On crée des listes ma et mi de l=len(a) valeurs de a et i tirées dans les intervalles de certitude\n",
    "# Pour chaque liste on fait une régression linéaire dont on stocke la pente dans liste_pentes\n",
    "for n in range(0,N): \n",
    "    l = len(a)\n",
    "    ma = a + u_a*np.sqrt(3)*rd.uniform(-1,1,l)\n",
    "    invma = 1/ma\n",
    "    mi = i + u_i*np.sqrt(3)*rd.uniform(-1,1,l)\n",
    "    reg=np.polyfit(invma,mi,1)\n",
    "    liste_pentes.append(reg[0])\n",
    "# Calcul de l incertitude sur lambda :\n",
    "u_pentes = np.std(liste_pentes,ddof=1)\n",
    "moy_pentes = np.mean(liste_pentes)\n",
    "u_lambda = lamb*np.sqrt( (u_pentes/moy_pentes)**2+(u_D/D)**2)\n",
    "print('L incertitude sur la longueur d onde est',u_lambda)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "a4cb3d34",
   "metadata": {},
   "source": [
    "Calcul de l'écart normalisé :"
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "df4a8896",
   "metadata": {},
   "outputs": [],
   "source": [
    "ecart =                                     # Compléter la formule de l'écart normalisé\n",
    "print('L écart normalisé est', ecart)"
   ]
  },
  {
   "cell_type": "markdown",
   "id": "bf8d16ee",
   "metadata": {},
   "source": [
    "## 3- Influence de la longueur d'onde  "
   ]
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "cf63c893",
   "metadata": {},
   "outputs": [],
   "source": []
  },
  {
   "cell_type": "code",
   "execution_count": null,
   "id": "025ebfdb",
   "metadata": {},
   "outputs": [],
   "source": []
  }
 ],
 "metadata": {
  "kernelspec": {
   "display_name": "Python 3",
   "language": "python",
   "name": "python3"
  },
  "language_info": {
   "codemirror_mode": {
    "name": "ipython",
    "version": 3
   },
   "file_extension": ".py",
   "mimetype": "text/x-python",
   "name": "python",
   "nbconvert_exporter": "python",
   "pygments_lexer": "ipython3",
   "version": "3.9.5"
  }
 },
 "nbformat": 4,
 "nbformat_minor": 5
}
