1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
| import numpy as np
import matplotlib.pyplot as plt
import statistics
tau = np.array([1, 2, 2, 4, 4, 4, 4, 4, 5, 5])
n, bins, patches = plt.hist(tau, bins='auto', color='#0504aa',\
alpha=0.75, align="mid", rwidth=0.5, edgecolor="black")
# Calcul statistique sur la liste
moyenne=np.mean(tau)
ecarttype=np.std(tau, ddof=1) #ddof=1 permet l'ecart type statistique (et non
#mathématique) en divisant par (n-1) au lieu de (n)
incertitude=ecarttype/sqrt(len(tau))
maxfreq = n.max()
xmin ,xmax = tau.min(), tau.max()
ymax=np.ceil(maxfreq/5) *5 if maxfreq % 5 else maxfreq + 5
dx = (xmax - xmin)*0.1
plt.xlim(xmin - dx, xmax + dx)
plt.ylim(ymax=np.ceil(maxfreq/5) *5 if maxfreq % 5 else maxfreq + 5)
plt.xticks(range(tau.min(), tau.max(), 1))
plt.xlabel(r"Valeur de $\tau$")
plt.ylabel("Fréquence")
plt.text(moyenne,0.9*ymax,r"$\overline{{\tau}} = {:.3e} s $".format(moyenne))
plt.text(moyenne,0.85*ymax,r"$u({{\tau}}) = {:.4e} s $".format(incertitude))
plt.title(r"Répartition des valeurs de $\tau$ mesurées")
plt.xticks(tau)
plt.savefig("charge_condensateur_mesuretau.png")
plt.show() |
Partager