====== TP 1.5 ======

Pour aller plus loin que le TP1. En est la suite directe.


===== Corrélation aux complexités théoriques =====

Le rapport entre le temps mis pour effectuer un algorithme et sa complexité théorique doit être une droite.
Utilisez [[http://www.numpy.org|numpy]] et [[http://docs.scipy.org/doc/numpy/reference/generated/numpy.polyfit.html|polyfit]] pour calculer la droite de régression linéaire de ce rapport pour l'algorithme naïf et l'algorithme rapide.

<code python>
import numpy

x = list(range(10))
y = [5 * i + 10 for i in x]  # y = 5x + 10

# régression linéaire
a, b = numpy.polyfit(x, y, 1)
print(a, b)  # a = 5, b = 10

</code>

En déduire le coefficient de corrélation linéaire (on pourra utiliser la méthode [[http://docs.scipy.org/doc/numpy/reference/generated/numpy.corrcoef.html|corrcoef]] de numpy). Conclusion ?

===== Le débugeur =====

En plus des tests, pouvoir exécuter ligne à ligne un algorithme est un outil puissant pour corriger ou comprendre un algorithme. Cet outil s'appelle un debugger et Python et pycharm en possèdent un. 

Essayez d'exécuter ligne à ligne l'algorithme rapide avec le debugger de pycharm en suivant ce [[http://www.jetbrains.com/pycharm/help/debugging.html|manuel]].