Incluido gráficos e estatísticas da luminosidade em estatísticas.py

 Corrigido bug na Análise pelo método de Monte Carlo

graficos/estatisticas.py

@@ -110,6 +110,15 @@ P_std=pressao.std()
 
 print "\nPressão: \nmin: "+str(int(P_min))+" Pa\tmax: "+str(int(P_max))+" Pa\tmédia: "+ str("%.0f" % P_med)+" Pa\tDesvio: "+str("%.2f" % P_std)+" Pa"
 
+# Análise da luminosidade
+L_min=lum.min()
+L_max=lum.max()
+L_med=lum.mean()
+L_std=lum.std()
+
+print "\nLuminosidade: \nmin: "+str(int(L_min))+" u.a.\tmax: "+str(int(L_max))+" u.a.\tmédia: "+ str("%.0f" % L_med)+" u.a.\tDesvio: "+str("%.2f" % L_std)+" u.a."
+
+
 # Apresentação de histrograma:
 # Temperatura
 plt.figure() # Cria nova figura
@@ -205,21 +214,24 @@ plt.grid(True)
 plt.subplots_adjust(left=0.1, right=0.9, top=0.9, bottom=0.2)
 
 
-'''
+#'''
 # Análise Monte Carlo para as médias
 # Para fins de ilustração didática do teorema do limite central
 
 # Cria variaveis para calculo das médias
-temp_med = 0.
-temp_med_vec=[]
-umid_med = 0.
-umid_med_vec=[]
-pressao_med = 0.
-pressao_med_vec=[]
 for tentativas in [5,10,50]:
+ temp_med = 0.
+ temp_med_vec=[]
+ umid_med = 0.
+ umid_med_vec=[]
+ pressao_med = 0.
+ pressao_med_vec=[]
+ lum_med = 0.
+ lum_med_vec=[]
  for j in range(5000):
    for n in range(tentativas):
        amostra=int(random.random()*len(data))
+       lum_med+=lum[amostra]
        temp_med+=temp[amostra]
        umid_med+=u_ar[amostra]
        pressao_med+=pressao[amostra]
@@ -231,22 +243,43 @@ for tentativas in [5,10,50]:
    temp_med_vec.append(temp_med/tentativas)
    umid_med_vec.append(umid_med/tentativas)
    pressao_med_vec.append(pressao_med/tentativas)
+   lum_med_vec.append(lum_med/tentativas)
    temp_med = 0
+   lum_med = 0
    umid_med = 0
    pressao_med = 0
  plt.figure()
  plt.title(u"Temperatura - MC Média de: "+str(tentativas)+" medidas")
  plt.hist(temp_med_vec, bins=50)
+ plt.xlim([T_min,T_max])
 # plt.text(1.001*plt.xlim()[0],0.9*plt.ylim()[1],u"Média: "+str("%.2f" % temp_med_vec.mean())+u" °C\nDesvio Padrão: "+str("%.2f" % temp_med_vec.std())+" °C")
  plt.figure()
  plt.title(u"Umidade Relativa - MC Média de: "+str(tentativas)+" medidas")
  plt.hist(umid_med_vec, bins=50)
+ plt.xlim([U_ar_min,U_ar_max])
 # plt.text(1.001*plt.xlim()[0],0.9*plt.ylim()[1],u"Média: "+str("%.2f" % umid_med_vec.mean())+u" %\nDesvio Padrão: "+str("%.2f" % umid_med_vec.std())+" %")
  plt.figure()
  plt.title(u"Pressão - MC Média de: "+str(tentativas)+" medidas")
  plt.hist(pressao_med_vec, bins=50)
+ plt.xlim([P_min,P_max])
 # plt.text(1.001*plt.xlim()[0],0.9*plt.ylim()[1],u"Média: "+str("%.2f" % pressao_med_vec.mean())+u" Pa\nDesvio Padrão: "+str("%.2f" % pressao_med_vec.std())+" Pa")
-'''
+ plt.figure()
+ plt.title(u"Luminosidade - MC Média de: "+str(tentativas)+" medidas")
+ plt.hist(lum_med_vec, bins=50, normed=1)
+ plt.xlim([L_min,L_max])
+
+# Todo: Ajuste Gaussiano dos histogramas
+# x = np.arange(L_min,L_max,0.1)
+# print x
+# plt.plot(x)
+# plt.plot(x,1000*mlab.normpdf(x,L_med,L_std))
+
+#plt.show()
+#'''
+
+
+
+#'''
 
 #Apresenta os gráficos gerados
 plt.show()