Scribd
Importer
19 vues1 page

Simulation Monte-Carlo de titrage chimique

Le document présente un code Python utilisant la méthode Monte-Carlo pour simuler des titrages et calculer la concentration d'une solution. Il inclut des entrées de données telles que le volume et la concentration, ainsi que des incertitudes associées. Les résultats sont visualisés par un histogramme et des statistiques descriptives sont fournies pour la concentration moyenne et son incertitude.

Transféré par

baptiste.facq10
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats ODT, PDF, TXT ou lisez en ligne sur Scribd
19 vues1 page

Simulation Monte-Carlo de titrage chimique

Le document présente un code Python utilisant la méthode Monte-Carlo pour simuler des titrages et calculer la concentration d'une solution. Il inclut des entrées de données telles que le volume et la concentration, ainsi que des incertitudes associées. Les résultats sont visualisés par un histogramme et des statistiques descriptives sont fournies pour la concentration moyenne et son incertitude.

Transféré par

baptiste.facq10
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats ODT, PDF, TXT ou lisez en ligne sur Scribd

Code python méthode MC TP1

from math import *


import numpy as np
import [Link] as rd
import [Link] as plt

## Entrée des données du problème


V0 = 10 # volume de solution titrée en mL
Delta_V0 = 0.05 # précision sur le volume titré en mL

C1 = 0.02 # concentration de la solution titrante en mol/L


Delta_C1 = 0.01*0.02 # précision sur la concentration de la solution titrante en mol/L

Ve = 19.5 # volume équivalent en mL


u_Vburette = 0.02/sqrt(3) # incertitude-type liée à la tolérance de la burette en mL
u_Vgoutte = 0.014 # incertitude-type liée à la détection de l'équivalence

u_Ve = sqrt(u_Vburette**2+u_Vgoutte**2) #incertitude-type sur Ve

## Calcul et affichage de la concentration Ca issue de l'unique mesurage


Ca = (5/2)*((C1*Ve)/V0) # relation à l'équivalence
print(f'Concentration Ca : {Ca} mol/L')

## Simulation de N = 100000 Titrages par la méthode Monte-Carlo

N = 1000000 # nombre de tirages à réaliser

V0_sim = V0 + Delta_V0*[Link](-1,1,N) # simulation des valeurs de V0


C1_sim = C1 + Delta_C1*[Link](-1,1,N) # simulation des valeurs de C1
Ve_sim = Ve + u_Ve*sqrt(3)*[Link](-1,1,N) # simulation des valeurs de Ve

Ca_sim = (5/2)*((C1_sim*Ve_sim)/V0_sim) # simulation des valeurs de Ca utilisant la


relation à l'équivalence

# Représentation de l'histogramme
[Link](Ca_sim, bins='rice')
[Link]('C en mol/L')
[Link](r'Histogramme de distribution des concentrations C') #titre du graphique
[Link]()

## Analyse statistique des résultats de la simulation MC

Ca_moy = [Link](Ca_sim) # Calcul de la valeur moyenne de Ca_sim


u_Ca = [Link](Ca_sim, ddof=1) # Ecart-type de Ca_sim
print(f'Concentration Ca : {Ca_moy} mol/L') #Affichage de la concentration moyenne Ca
print(f'Incertitude-type u(Ca) : {u_Ca} mol/L') #Affichage de l'incertitude-type sur Ca

Vous aimerez peut-être aussi