• Aucun résultat trouvé

Protocole ²expérimental ²pour connaitre ²le$ condition$ de croissance d’un ²plant www.lutinbazar.fr

N/A
N/A
Info
Télécharger
Protected

Academic year: 2022

Partager "Protocole ²expérimental ²pour connaitre ²le$ condition$ de croissance d’un ²plant www.lutinbazar.fr"

Copied!
3
0
0

Chargement.... (Voir le texte intégral maintenant)

Texte intégral

(1)

Protocole ²expérimental ²pour connaitre ²le$ condition$ de croissance d’un ²plant

www.lutinbazar.fr

Groupe A Groupe B Groupe C

Hypothèses

Matériel

Variable TERRE LUMIÈRE AIR LIBRE (avec oxygène)

Expériences

Pot 1A : Pot 2A : Pot 3A :

Pot 1B : Pot 2B :

Pot 1C : Pot 2C :

Résultats

Pot 1A : ………...

………...

Pot 2A : ………...

………...

Pot 3A : ………...

………...

Pot 1B : ………...

………...

Pot 2B : ………...

………...

Pot 1C : ………...

………...

Pot 2C : ………...

………...

Conclusion

………

………

………

(2)

Protocole ²expérimental ²pour connaitre ²le$ condition$ de croissance d’un ²plant

www.lutinbazar.fr

Groupe A Groupe B Groupe C

Hypothèses

La terre est nécessaire. La lumière est nécessaire. L’air libre est nécessaire.

Matériel

- pots

- graines de haricots - eau

- terre / sable / coton

- pots

- graines de haricots - eau

- pots

- graines de haricots - eau

- sac plastique

Variable TERRE LUMIÈRE AIR LIBRE (avec oxygène)

Expériences

Pot 1A : graine dans de la terre Pot 2A : graine dans du coton Pot 3A : graine dans du sable

Pot 1B : pot placé à la lumière du jour Pot 2B : pot placé dans le noir (dans une armoire)

Pot 1C : pot placé à l’air libre

Pot 2C : pot placé dans un sac plastique

Résultats

Pot 1A : ………...

………...

Pot 2A : ………...

………...

Pot 3A : ………...

………...

Pot 1B : ………...

………...

Pot 2B : ………...

………...

Pot 1C : ………...

………...

Pot 2C : ………...

………...

Conclusion

………

………

………

(3)

Protocole ²expérimental ²pour connaitre ²le$ condition$ de croissance d’un ²plant

www.lutinbazar.fr

Groupe A Groupe B Groupe C

Hypothèses

La terre est nécessaire. La lumière est nécessaire. L’air libre est nécessaire.

Matériel

- pots

- graines de haricots - eau

- terre / sable / coton

- pots

- graines de haricots - eau

- pots

- graines de haricots - eau

- sac plastique

Variable TERRE LUMIÈRE AIR LIBRE (avec oxygène)

Expériences

Pot 1A : graine dans de la terre Pot 2A : graine dans du coton Pot 3A : graine dans du sable

Pot 1B : pot placé à la lumière du jour Pot 2B : pot placé dans le noir (dans une armoire)

Pot 1C : pot placé à l’air libre

Pot 2C : pot placé dans un sac plastique

Résultats

Pot 1A : ………...

………...

Pot 2A : ………...

………...

Pot 3A : ………...

………...

Pot 1B : ………...

………...

Pot 2B : ………...

………...

Pot 1C : ………...

………...

Pot 2C : ………...

………...

Conclusion Pour ²germer ²et ²se ²développer, ²une ²plante ²a ²besoin ²d’eau ²et ²de ²lumière. Pour ²un ²développement ²correct,

²elle ²doit ²être ²entourée ²d’air ²et ²vivre ²à ²une ²température ²modérée. Elle ²craint ²le ²froid.

Références

Télécharger maintenant ( PDF - 3 Page - 198.22 KB )

Documents relatifs

II. Protocole expérimental

4. L’eau liquide s’évapore et se transforme en vapeur d’eau. Ces vapeurs d’eau entraînent avec elles les espèce chimiques volatiles odorantes présentes dans la lavande. Au

T N D www-galilee.univ-paris13.fr

Cette fonction permet de projeter chaque objet de l’ensemble de données dans un graphique 2D, en utilisant un marqueur de couleur lorsque les étiquettes des classes sont

T N D www-galilee.univ-paris13.fr

dataset Define dataset from data matrix and labels gendat Generate a random subset of a dataset genlab Generate dataset labels.. seldat Select a specify subset of

T N D www-galilee.univ-paris13.fr

For example, quadratic classifier assuming Gaussian densities (qdc), returns class conditional densities as soft outputs.. In 2D feature spaces, we can visualize the classifiers

T N D www-galilee.univ-paris13.fr

Alternatively, you can set the operating point in sdroc object manually (r=setcurop(r,30)) We can now estimate the confusion matrix on the test set:..

T N D www-galilee.univ-paris13.fr

So, cmaps begins with data normalization by variance, then computes a Euclidean distance matrix which is fed into the classical scaling routine to derive a projected space in 15D. To

T N D www-galilee.univ-paris13.fr

If the so-called base classifiers ( w1, w2,. .) do not output posterior probabilities, but for instance distances to the classifier boundaries, then these combining rules

T N D www-galilee.univ-paris13.fr

>> c = spatm(b,2) % spatial mapping using smoothing of sigma = 2.0 16384 by 6 dataset with 1 class: [16384]. Let us visualise the resulting dataset c