La question 4 doit \u00eatre trait\u00e9e de trois mani\u00e8res diff\u00e9rentes<\/p>\n\n\n\n
- graphique sur feuille<\/li>
- Tableur<\/li>
- Code python<\/li><\/ul>\n\n\n\n
Le code python est fourni ci-dessous .Il suffit de remplacer les points dans les deux tableaux par vos valeurs puis ex\u00e9cuter le programme<\/p>\n\n\n\n
import math\nimport matplotlib.pyplot as plt\nfrom scipy import stats\nimport numpy as np\nimport math\n\n#T est la temp\u00e9rature en Kelvin et londe la longueur d'onde en nanom\u00e8tre\nT=np.array([.........])\nlonde=np.array([..........])\nlonde=londe*1E-9\n\n#On note invT l'inverse de T : 1\/T\ninvT=1\/T\n\n# regression lin\u00e9aire\nslope, intercept, r_value, p_value, std_error = stats.linregress(invT,londe)\nlondemodel=slope*invT+intercept\n\n#trac\u00e9 du nuage de points\nplt . scatter(invT ,londe,s=100,color ='yellow')\n\n#Param\u00e9trage du trac\u00e9 de la mod\u00e9lisation\nplt . plot (invT,londemodel,marker=\".\",color ='blue',markersize=1)\nplt . xlabel (\"1\/T avec T en Kelvin (K)\")\nplt . ylabel (\"longueur d'onde en nm\")\nplt . grid ()\n\n#affichage des r\u00e9sultats de la mod\u00e9lisation\nprint(\"a=\",slope)\nprint(\"b=\",intercept)\nprint(\"cofficient de correlation=\",r_value)\n\n# Affichage du graphique\nplt .show()\n<\/pre>\n\n\n\n
![\"\"](\"http:\/\/yb-isn.fr\/2021\/es\/wp-content\/uploads\/2022\/01\/image.png\")
<\/figure>\n\n\n- animation: le spectre \u00e9lectromagn\u00e9tique<\/span><\/i><\/i><\/div>