Le site du prof
Lundi 27 janvier
01 25 18:50
13h-18h : TP LPU vs MCM
Ce second TP sur la variabilité de la mesure permet de valider la loi de propagation des variances (LPU) par la propagation des distributions (Méthode de Monte Carlo) à certaines conditions assez rarement restrictives. Nous utilisons ensuite la MMC pour l'appliquer à la détermination de la variabilité d'une grandeur obtenue par la pente d'une régression linéaire expérimentale en s'affranchissant du coefficient de corrélation sans signification intéressante. La MMC nécessite des tirages au sort d'échantillons de grande taille (>100000 individus) et le module random de numpy sous Python est l'outil le plus pertinent disponible en dehors des programmes spécifiques (comme GUM MC)
Énoncé
(Nombreux documents annexes complémentaires sur la page TP et la page DOC)
Travaux en cours :
- Corriger l'exercice 2 du TD Tphy2 (pour mercredi)
- Chercher pour mercredi après-midi les exercices 4,6,8 du TD MF2
Ce second TP sur la variabilité de la mesure permet de valider la loi de propagation des variances (LPU) par la propagation des distributions (Méthode de Monte Carlo) à certaines conditions assez rarement restrictives. Nous utilisons ensuite la MMC pour l'appliquer à la détermination de la variabilité d'une grandeur obtenue par la pente d'une régression linéaire expérimentale en s'affranchissant du coefficient de corrélation sans signification intéressante. La MMC nécessite des tirages au sort d'échantillons de grande taille (>100000 individus) et le module random de numpy sous Python est l'outil le plus pertinent disponible en dehors des programmes spécifiques (comme GUM MC)
Énoncé
(Nombreux documents annexes complémentaires sur la page TP et la page DOC)
Travaux en cours :
- Corriger l'exercice 2 du TD Tphy2 (pour mercredi)
- Chercher pour mercredi après-midi les exercices 4,6,8 du TD MF2
Physique PT