5/6/2021 Analisis_ideal

In [1]:
import matplotlib.pyplot as plt

import numpy as np

from scipy.optimize import curve_fit

Péndulo
In [2]:
def oscilador(t, A, T):

return A * np.cos(2 * np.pi * t / T)

The history saving thread hit an unexpected error (OperationalError('database is loc

ked')).History will not be written to the database.

Dependencia con parámetros iniciales

In [3]:
t, y = np.loadtxt("ideal/pendulo_angulo_10_ruido_normal.txt", unpack=True)

Parametros buenos
In [4]:
params, _ = curve_fit(oscilador, t, y, p0=(10, 2))

plt.plot(t, y, "o")

plt.plot(t, oscilador(t, *params))

params

Out[4]: array([9.90817092, 2.0109836 ])

Periodo chico
In [5]:
params, _ = curve_fit(oscilador, t, y, p0=(10, 1))

plt.plot(t, y, "o")

plt.plot(t, oscilador(t, *params))

Out[5]: [<matplotlib.lines.Line2D at 0x7fbd7e215e20>]

users.df.uba.ar/maurosilber/pendulo/Analisis_ideal.html 1/5
5/6/2021 Analisis_ideal

Amplitud chica
In [6]:
params, _ = curve_fit(oscilador, t, y, p0=(0.001, 2))

plt.plot(t, y, "o")

plt.plot(t, oscilador(t, *params))

Out[6]: [<matplotlib.lines.Line2D at 0x7fbd7e18e940>]

Estimación de errores con los residuos

In [7]:
def figura(t, y, func, params):

y_fit = func(t, *params)

residuos = y - y_fit

error = np.std(residuos)

# Grafico

fig = plt.figure(figsize=(10, 4))

left, right = fig.add_gridspec(1, 2)

ax = left.subgridspec(2, 1, height_ratios=(3, 2)).subplots(sharex=True)

# Ajuste

ax[0].plot(t, y, "o")

ax[0].plot(t, y_fit)

ax[0].set(title=f"A={params[0]:.3f} T={params[1]:.3f}")

# Residuos

ax[1].axhline(0, color="k", ls="--")

ax[1].scatter(t, residuos)

users.df.uba.ar/maurosilber/pendulo/Analisis_ideal.html 2/5
5/6/2021 Analisis_ideal

# Histograma residuos

ax_hist = fig.add_subplot(right)

ax_hist.hist(residuos, bins="fd")

ax_hist.set(title=f"$\sigma = {error:.2f}$")

Péndulo con ruido gaussiano

In [8]:
np.random.normal(0, 1)

Out[8]: 0.2874378816893253

Angulo 10
In [9]:
t, y = np.loadtxt("ideal/pendulo_angulo_10_ruido_normal.txt", unpack=True)

params, _ = curve_fit(oscilador, t, y, p0=(10, 2))

figura(t, y, oscilador, params)

Angulo 70
In [10]:
t, y = np.loadtxt("ideal/pendulo_angulo_70_ruido_normal.txt", unpack=True)

params, _ = curve_fit(oscilador, t, y, p0=(70, 2))

figura(t, y, oscilador, params)

Angulo 140
users.df.uba.ar/maurosilber/pendulo/Analisis_ideal.html 3/5
5/6/2021 Analisis_ideal

In [11]:
t, y = np.loadtxt("ideal/pendulo_angulo_140_ruido_normal.txt", unpack=True)

params, _ = curve_fit(oscilador, t, y, p0=(140, 3))

figura(t, y, oscilador, params)

Péndulo con ruido uniforme

In [12]:
t, y = np.loadtxt("ideal/pendulo_angulo_10_ruido_uniforme.txt", unpack=True)

params, _ = curve_fit(oscilador, t, y, p0=(10, 2))

figura(t, y, oscilador, params)

In [13]:
1 / np.sqrt(12)

Out[13]: 0.2886751345948129

Péndulo con ruido por redondeo

In [14]:
t, y = np.loadtxt("ideal/pendulo_angulo_10_ruido_redondeo.txt", unpack=True)

params, _ = curve_fit(oscilador, t, y, p0=(10, 2))

figura(t, y, oscilador, params)

users.df.uba.ar/maurosilber/pendulo/Analisis_ideal.html 4/5
5/6/2021 Analisis_ideal

users.df.uba.ar/maurosilber/pendulo/Analisis_ideal.html 5/5