Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien 4.2 TrustPilot
logo-home
Autre

Programme python pour déterminé une concentration inconnue par dosage spectrophotométrique, plus simulation Monte-Carlo

Note
-
Vendu
-
Pages
4
Publié le
12-03-2023
Écrit en
2022/2023

Le programme définit les valeurs d'absorbance et de concentration, ainsi que les incertitudes associées, pour créer un modèle de régression linéaire en utilisant la fonction "polyfit" de NumPy. Il affiche ensuite les paramètres de la droite de régression linéaire, notamment la pente, l'ordonnée à l'origine et le coefficient de corrélation. Le programme calcule également la concentration inconnue en utilisant la fonction "C_inconnue" et affiche sa valeur. Il utilise ensuite la méthode de simulation Monte-Carlo pour générer des valeurs d'absorbance simulées et trace un histogramme des résultats obtenus. Finalement, le programme crée une figure avec deux graphiques. Le premier graphique affiche les données d'absorbance et de concentration, la droite de régression linéaire ainsi que la concentration inconnue. Le deuxième graphique affiche l'histogramme des valeurs d'absorbance simulées.

Montrer plus Lire moins








Oups ! Impossible de charger votre document. Réessayez ou contactez le support.

Infos sur le Document

Publié le
12 mars 2023
Nombre de pages
4
Écrit en
2022/2023
Type
Autre
Personne
Inconnu

Aperçu du contenu

#Calcule de C inconnue :
import numpy as np
import numpy.random as rd
import matplotlib as plt
import matplotlib.pyplot as plt
data=np.loadtxt('C:/Users/basti/Documents/PCSI2/TIPE/Classeur1.txt') #prend les
valeur dans le document joint en txt

C=[1,2,3,4,5] #Abscisse:concentration
absorbance=[0.1925,0.3883,0.5846,0.7948,0.9761] #Absorbance:ordonnée
Ab_c_inconnue=0.5705 #Absorbance de la concentration inconnue
uC=np.array([0.1,0.1,0.1,0.1,0.1]) #incertitude de la concentration
uab=np.array([0.02,0.02,0.02,0.02,0.02]) #incertitude de l'absorbance

p=np.polyfit(C,absorbance,1)
plt.errorbar(C,absorbance,xerr=5*uC,yerr=5*uab,fmt='o')
C_modele=np.linspace(0,13,1000) #remplire avec la valeur maximal de la
concentration au milieu
absorbance_modele=p[0]*C_modele+p[1]
r=np.corrcoef(C,absorbance)

k=p[0]
def C_inconnue(ab_c_inconnue):
return Ab_c_inconnue/k #détermination de la concentration inconnue

print("pente k = ",p[0]," / ordonnée à l'origine = ",p[1]," / coefficient de
corélation r =",r[0,1]," / concentration iconnue = ",C_inconnue)

plt.plot(C,absorbance,'+')
plt.plot(C_modele,absorbance_modele, color='red')
plt.xlabel('Concentration en mol/L')
plt.ylabel('Absorbance')
plt.title('Absorbance en fonction de la concentration')
plt.text(7.5,3,"• Droite d'équation A=k*C+b : ")
plt.text(7.75,2.5,"k = " + "{:.4}".format(p[0]) + " L/mol")
plt.text(7.75,2,"b = " + "{:.4}".format(p[1]))
plt.text(7.75,1.5,"r = " + "{:.4}".format(r[0,1]))
plt.text(7.5,1,"• Concentration inconnue : ")
plt.text(7.75,0.5,"C_inconnue = " + "{:.4}".format(C_inconnue(Ab_c_inconnue)) +
"mol/L")
plt.show()

#__________________________________________________________________________________
_______________________________________________________________
#simulation Monte-Carlo pour l'absorbance:

import numpy as np
import matplotlib.pyplot as plt

# Concentration et incertitude associée
c=0.001
u_c=0.0001
k=0.1974
# Nombre de simulations Monte-Carlo
n_simulations=3000

# Simulations Monte-Carlo de l'absorbance
absorbances=[]
for i in range(n_simulations):
8,49 €
Accéder à l'intégralité du document:

Garantie de satisfaction à 100%
Disponible immédiatement après paiement
En ligne et en PDF
Tu n'es attaché à rien

Faites connaissance avec le vendeur
Seller avatar
bastienmathieu60

Faites connaissance avec le vendeur

Seller avatar
bastienmathieu60 Lycée Blaise-Pascal (Clermont-Ferrand)
Voir profil
S'abonner Vous devez être connecté afin de pouvoir suivre les étudiants ou les formations
Vendu
0
Membre depuis
2 année
Nombre de followers
0
Documents
2
Dernière vente
-

0,0

0 revues

5
0
4
0
3
0
2
0
1
0

Récemment consulté par vous

Pourquoi les étudiants choisissent Stuvia

Créé par d'autres étudiants, vérifié par les avis

Une qualité sur laquelle compter : rédigé par des étudiants qui ont réussi et évalué par d'autres qui ont utilisé ce document.

Le document ne convient pas ? Choisis un autre document

Aucun souci ! Tu peux sélectionner directement un autre document qui correspond mieux à ce que tu cherches.

Paye comme tu veux, apprends aussitôt

Aucun abonnement, aucun engagement. Paye selon tes habitudes par carte de crédit et télécharge ton document PDF instantanément.

Student with book image

“Acheté, téléchargé et réussi. C'est aussi simple que ça.”

Alisha Student

Foire aux questions