{"cells":[{"metadata":{},"cell_type":"markdown","source":"!!! danger Import des bibliothèques nécessaires\nCette première cellule doit être exécutée dès le début !\n\nToutes les fonctions mathématiques sont disponibles dans la bibliothèques numpy, en les appelant np.nom_fonction\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"import numpy as np\nimport matplotlib.pyplot as plt","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"## II- Mesure de la capacité de $C$ par mesures de $\\tau$\n\n!!! note À compléter !\nCompléter avec les valeurs mesurées expérimentalement, en déduire les valeurs de $C$.\n!!!"},{"metadata":{},"cell_type":"markdown","source":"### Mesures"},{"metadata":{"trusted":false},"cell_type":"code","source":"R = np.array([]) # (valeurs à compléter) valeurs de R (en ohm) séparées par des virgules\ntau = np.array([]) # (valeurs à compléter) valeurs de tau (en secondes) séparées par des virgules","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"### Calcul de C"},{"metadata":{"trusted":false},"cell_type":"code","source":"C =  # (expression à compléter) : calcul des valeurs de C à partir des tableaux Rtot et tau\nprint(C)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"### Histogramme"},{"metadata":{"trusted":false},"cell_type":"code","source":"plt.hist(C, bins='rice', histtype = 'step') #calcul de l'histogramme\nplt.xlabel(\"$C$\")\nplt.ylabel('Effectifs')\nplt.show() #affichage de l'histogramme\nplt.close()","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"### Exploitation\n\n!!! note À compléter !\nLes trois lignes de code ci-dessous ne sont pas remplies, à vous d'aller chercher dans les TP précédents et/ou dans le polycopié \"Boîte à outils python\" les codes nécessaires.\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"Cmoy =     # (code à compléter) valeur moyenne de la série de valeurs de C, avec np.mean\nprint('Moyenne de C :',Cmoy)\ns_C =  # (code à compléter) écart type de la série de valeurs de C, avec np.std(.... , ddof=1)\nprint('Ecart-type de C :',s_C)\nu_C =       # (à compléter) incertitude-type sur la moyenne de C\nprint('Intertitude-type de C :',u_C)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"#### Résultat de la mesure : "},{"metadata":{"trusted":false},"cell_type":"code","source":"print(\"C=\",Cmoy,'; u(C)=',u_C)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"!!! tip\nVeillez à respecter la règle donnée en terme de chiffres significatifs quand vous recopiez la valeur.\n!!!"},{"metadata":{},"cell_type":"markdown","source":"## III- Mesure de C avec le capacimètre"},{"metadata":{"trusted":false},"cell_type":"code","source":"C2 =      # (à compléter) mesure lue sur le capacimètre (avec tous les chiffres !!!)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"!!! tip Comprendre la notice d'un multimètre\nLe constructeur indique la précision sous la forme : $k ~\\% L + n ~UR$, avec : \n- $k$ indique un certain pourcentage de la lecture  (càd de la valeur lue à l'écran)\n- $UR$ signifie \"unité de représentation\", c'est l'UNITE du dernier chiffre affiché, par exemple l'$UR$ de 4,756 est 0,001 ; l'$UR$ de 5,67 est 0,01,... \n- $n$ indique  par combien il faut multiplier  l'unité de représentation\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"precision_C2 =  # (à compléter) calcul de la précision à partir de la notice constructeur : k/100*C2+n*0.(0)(0)(0)(0)1\nprint(precision_C2)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"!!! tip  Précision et incertitude-type\nSans indication supplémentaire du constructeur (incertitude-type ? intervalle ? écart-type d'une distribution gaussienne ?), on considère que l'incertitude affichée sur la notice est un intervalle $\\Delta$ de certitude de trouver la mesure. L'incertitude-type s'obtient en divisant la précision par $\\sqrt{3}$.\n\n$u(x)=\\dfrac{précision(x)}{\\sqrt{3}}$\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"u_C2 = precisionC2/sqrt(3)\nprint('Incertitude type sur C2 : u(C2)=',u_C2)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"#### Résultat de la mesure unique au capacimètre\n\n!!! tip\nVeillez à respecter la règle donnée en terme de chiffres significatifs...\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"print(\"C=\",C2,'; u(C)=',u_C2)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"## IV - Conclusion"},{"metadata":{},"cell_type":"markdown","source":"!!! tip  Ecart normalisé\nPour comparer les deux mesures, il faut calculer l'écart normalisé entre deux mesures $C_1$ et $C_2$ effectuées : $$E_N=\\dfrac{|C_1-C_2|}{\\sqrt{u(C_1)^2+u(C_2)^2}}$$\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"E_N=      # (à compléter) entrer la formules nécessaire\nprint(E_N)","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"## V- Amélioration du modèle\n\n!!! note À compléter !\nExprimer $C$ en fonction de $R$, $\\tau$ et du paramètre oublié.\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"C = ","execution_count":null,"outputs":[]},{"metadata":{},"cell_type":"markdown","source":"!!! note À compléter !\nRecopier les lignes de codes nécessaires (en adaptant si besoin) pour obtenir : \n- la nouvelle valeur moyenne de $C$\n- l'écart-type et l'incertitude-type de $C$\n- l'écart normalisé entre $C$ obtenu avec ce nouveau modèle  et la valeur obtenue avec le capacimètre.\n!!!"},{"metadata":{"trusted":false},"cell_type":"code","source":"","execution_count":null,"outputs":[]}],"metadata":{"kernelspec":{"display_name":"Python 3","language":"python","name":"python3"}},"nbformat":4,"nbformat_minor":2}