add example + solution

source/Exercice.ipynb

@@ -0,0 +1,282 @@
+{
+ "cells": [
+  {
+   "cell_type": "markdown",
+   "id": "f18c4520",
+   "metadata": {},
+   "source": [
+    "### Problème"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "a911f63f",
+   "metadata": {},
+   "source": [
+    "Nous allons anayser les données de l'expérience de la figure"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 1,
+   "id": "bf4e3b36",
+   "metadata": {},
+   "outputs": [
+    {
+     "data": {
+      "text/html": [
+       "<img src=\"experience.png\" width=\"500\" height=\"500\"/>"
+      ],
+      "text/plain": [
+       "<IPython.core.display.Image object>"
+      ]
+     },
+     "execution_count": 1,
+     "metadata": {},
+     "output_type": "execute_result"
+    }
+   ],
+   "source": [
+    "# import image module\n",
+    "from IPython.display import Image\n",
+    "  \n",
+    "# get the image\n",
+    "Image(url=\"experience.png\", width=500, height=500)\n"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "ecffdbd7",
+   "metadata": {},
+   "source": [
+    " Une bille supposée ponctuelle avec une vitesse horizontale $V_0$ tombe d'une table de hauteur $H$ et rencontre le sol à une longueur $L$.\n",
+    "\n",
+    "Nous disposons de deux fichiers de mesures expérimentales (fichiers formatés csv séparés par des \";\")\n",
+    "- \"V1msHvariable.csv\" expérience de mesure de la longueur $L$ à vitesse $V_0=1 \\ m/s$ constante pour des différentes hauteurs $H$ avec l'erreur correspondante\n",
+    "- \"H1mVvariable.csv\" expérience de mesure de la longueur $L$ à hauteur $H= 1 \\ m$ constante pour des différentes vitesses $V_0$ avec l'erreur correspondante\n",
+    "\n",
+    "On propose un modèle pour la longueur $L$\n",
+    "\n",
+    "$$ L = C V_0^\\alpha H^\\beta $$\n",
+    "\n",
+    "nous allons évaluer les coefficients $\\alpha$ et $\\beta$, ainsi que la constante $C$."
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "def2a595",
+   "metadata": {},
+   "source": [
+    "### Bibliothèques nécessaires"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": 2,
+   "id": "6eb47ffa",
+   "metadata": {},
+   "outputs": [],
+   "source": [
+    "import pandas as pd\n",
+    "import numpy as np\n",
+    "from scipy.optimize import curve_fit"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "f60f3bdf",
+   "metadata": {},
+   "source": [
+    "## Partie 1\n",
+    "Etude de la longueur 𝐿 à vitesse $𝑉_0=1 \\ 𝑚/𝑠$ constante pour des différentes hauteurs 𝐻"
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "d135c405",
+   "metadata": {},
+   "source": [
+    "### Point 1.1\n",
+    "En utilisant la bibliothèque Pandas, lisez le fichier \"V1msHvariable.csv\" et définisez les variables $L$, $H$, \n",
+    "et  $erreur$ (de la mesure de hauteur)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "96e320c8",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "d7a43f3e",
+   "metadata": {},
+   "source": [
+    "### Point 1.2\n",
+    "Faites une figure de $L$ vs $H$ avec barres d'erreur"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "358a3d61",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "c7139233",
+   "metadata": {},
+   "source": [
+    "### Point 1.3\n",
+    "Utilisez la fonction \"curve_fit\" pour faire une regression linéaire des données exprimées en une échelle log-log\n",
+    "et trouve la valeur de $\\alpha$"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "2dbb6367",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "70ed4d67",
+   "metadata": {},
+   "source": [
+    "### Point 1.4\n",
+    "Faites un figure log-log de $L$ vs $H$ en ajoutant la regression linéaire trouvée dans le point précédent"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "83e8da5f",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "8691357e",
+   "metadata": {},
+   "source": [
+    "## Partie 2\n",
+    "Etude de la longueur $L$ à hauteur $H= 1 \\ m$ constante pour des différentes vitesses $V_0$ "
+   ]
+  },
+  {
+   "cell_type": "markdown",
+   "id": "8dde6329",
+   "metadata": {},
+   "source": [
+    "### Point 2.1\n",
+    "En utilisant la bibliothèque Pandas, lisez le fichier \"H1mVvariable.csv\" et définisez les variables $L$, $V_0$, \n",
+    "et $erreur$ (de la mesure de vitesse)"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "ec90d54e",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "b5f8fbca",
+   "metadata": {},
+   "source": [
+    "### Point 2.2\n",
+    "Faites une figure de $L$ vs $V_0$ avec barres d'erreur"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "a37afbd6",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "94d89467",
+   "metadata": {},
+   "source": [
+    "### Point 2.3\n",
+    "Utilisez la fonction \"curve_fit\" pour faire une regression linéaire des données exprimées en une échelle log-log\n",
+    "et trouve la valeur de $\\beta$"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "53017788",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "a61554ae",
+   "metadata": {},
+   "source": [
+    "### Point 2.4\n",
+    "Faites un figure log-log de $L$ vs $V_0$ en ajoutant la regression linéaire trouvée dans le point précédent"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "e62b8263",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  },
+  {
+   "cell_type": "markdown",
+   "id": "7f2178cf",
+   "metadata": {},
+   "source": [
+    "## Partie 3 (optative)\n",
+    "Donnez une estimation de la constante $C$"
+   ]
+  },
+  {
+   "cell_type": "code",
+   "execution_count": null,
+   "id": "2cff8e1c",
+   "metadata": {},
+   "outputs": [],
+   "source": []
+  }
+ ],
+ "metadata": {
+  "kernelspec": {
+   "display_name": "Python 3 (ipykernel)",
+   "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": "3.9.7"
+  }
+ },
+ "nbformat": 4,
+ "nbformat_minor": 5
+}

source/H1mVvariable.csv

@@ -0,0 +1,6 @@
+L;V;error
+0.45;1.00;0.10
+0.54;1.20;0.10
+0.67;1.50;0.10
+0.89;2.00;0.10
+1.34;3.00;0.10

source/V1msHvariable.csv

@@ -0,0 +1,6 @@
+L;H;error
+0.40;0.80;0.01
+0.42;0.90;0.01
+0.45;1.00;0.01
+0.47;1.10;0.01
+0.49;1.20;0.01