#@title Gráfico y vs Vp com MMQ (simulação + experimental opcional)
# ================= IMPORTS =================
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# ODR = Orthogonal Distance Regression (considera incertezas em x e y)
# Aqui usamos como um "MMQ generalizado"
from scipy import odr as mmq
# ================= CONFIGURAÇÕES =================
Vacfix = 1200
csv_exp = "dados_experimentais.csv"
tamanho_ponto = 40 # tamanho visual dos pontos
# ================= SIMULAÇÃO =================
idx = np.where(Vacfixo == Vacfix)[0][0]
y_vals = yVp[idx] * 100 # m → cm
# -------- MMQ SIMULAÇÃO --------
coef_sim = np.polyfit(Vp, y_vals, 1)
a_sim, b_sim = coef_sim
y_fit_sim = a_sim * Vp + b_sim
# métricas
res_sim = y_vals - y_fit_sim
ss_res_sim = np.sum(res_sim**2)
ss_tot_sim = np.sum((y_vals - np.mean(y_vals))**2)
r2_sim = 1 - ss_res_sim / ss_tot_sim
# ================= PLOT =================
plt.figure(figsize=(7,5))
plt.plot(
Vp, y_fit_sim, '-',
label=f"Sim: y=({a_sim:.2e})Vp + ({b_sim:.2e})"
)
# ================= DADOS EXPERIMENTAIS =================
print("\nTentando carregar dados experimentais...")
print("Formato esperado do CSV: Vp, y, dVp, dy")
dados_experimentais_carregados = False
try:
# -------- LEITURA DO CSV --------
df_exp = pd.read_csv(csv_exp)
# -------- VALIDAÇÃO --------
colunas = ["Vp", "y", "dVp", "dy"]
for c in colunas:
if c not in df_exp.columns:
raise ValueError(f"Coluna '{c}' não encontrada")
# -------- EXTRAÇÃO --------
Vp_exp = df_exp["Vp"].values
y_exp = df_exp["y"].values
dVp = df_exp["dVp"].values
dy = df_exp["dy"].values
print("✔ Dados experimentais carregados com sucesso.")
# -------- PLOT EXPERIMENTAL --------
plt.errorbar(
Vp_exp, y_exp,
xerr=dVp, yerr=dy,
fmt='o',
markersize=tamanho_ponto/5,
capsize=3,
label='Experimental'
)
# ================= MMQ (ODR) =================
def modelo(B, x):
return B[0]*x + B[1]
modelo_mmq = mmq.Model(modelo)
dados_mmq = mmq.RealData(
Vp_exp,
y_exp,
sx=dVp,
sy=dy
)
# chute inicial melhorado
ajuste = mmq.ODR(dados_mmq, modelo_mmq, beta0=[a_sim, b_sim])
resultado = ajuste.run()
a_exp, b_exp = resultado.beta
erro_a_exp, erro_b_exp = resultado.sd_beta
# linha ajustada
Vp_lin = np.linspace(min(Vp_exp), max(Vp_exp), 200)
y_fit_exp = a_exp*Vp_lin + b_exp
plt.plot(
Vp_lin, y_fit_exp, '--',
label=f"Exp: y=({a_exp:.2e})Vp + ({b_exp:.2e})"
)
# métricas (aproximação em y)
y_fit_exp_data = a_exp*Vp_exp + b_exp
res_exp = y_exp - y_fit_exp_data
ss_res_exp = np.sum(res_exp**2)
ss_tot_exp = np.sum((y_exp - np.mean(y_exp))**2)
r2_exp = 1 - ss_res_exp / ss_tot_exp # estimativa
dados_experimentais_carregados = True
except FileNotFoundError:
print("\n⚠️ CSV de dados experimentais não encontrado.")
print("→ Apenas a simulação será exibida.")
except pd.errors.EmptyDataError:
print("\n⚠️ O arquivo CSV está vazio.")
print("→ Apenas a simulação será exibida.")
except ValueError as e:
print("\n⚠️ Problema nas colunas do CSV:")
print("→", e)
print("→ Esperado: Vp, y, dVp, dy")
except Exception as e:
print("\n⚠️ Erro ao processar os dados experimentais:")
print("→", e)
# ================= FORMATAÇÃO =================
plt.title(f'Vac = {Vacfix} V')
plt.xlabel('Vp (V)')
plt.ylabel('y (cm)')
plt.grid()
plt.legend()
plt.show()
# ================= RESULTADOS =================
# -------- SIMULAÇÃO --------
print("\n=== MMQ (Simulação) ===")
print("Modelo: y = a·Vp + b\n")
print(f"a = {a_sim:.4e} cm/V")
print(f"b = {b_sim:.4e} cm")
print(f"R² = {r2_sim:.6f}")
# -------- EXPERIMENTAL --------
if dados_experimentais_carregados:
print("\n=== MMQ (Experimental) ===")
print("Modelo: y = a·Vp + b\n")
print(f"a = ({a_exp:.4e} ± {erro_a_exp:.2e}) cm/V")
print(f"b = ({b_exp:.4e} ± {erro_b_exp:.2e}) cm")
print("\nQualidade do ajuste:")
print(f"R² = {r2_exp:.6f}")
print(f"Resíduo quadrático = {ss_res_exp:.4e}")
else:
print("\n(Dados experimentais não utilizados nesta execução)")
Tentando carregar dados experimentais...
Formato esperado do CSV: Vp, y, dVp, dy
⚠️ CSV de dados experimentais não encontrado.
→ Apenas a simulação será exibida.
