# -*- coding: utf-8 -*-

import numpy as np # Biblioteca para manipulação numérica


def gera_dados_polinomiais(G=2, L=10, N=1000):
    """
    Essa função gera um vetor de N elementos
    com função densidade de probabilidade:
    f(x) = A*( 1 - abs(x/L).^G ).
    """
    A = 1
    i = 0
    x = np.zeros(N)
    while (i < N):
        x_cand = -L + 2 * L * np.random.rand()
        y_test = A * np.random.rand()
        condicao_teste = A * (1 - np.abs(x_cand / L) ** G)
        if y_test <= condicao_teste:            
            x[i] = x_cand
            i += 1
    return x

G = 1
L = 10
N = 1000
nREP = int(1e2)


xm = np.zeros(nREP)
sx = np.zeros(nREP)


for qR in range(nREP):
    x = gera_dados_polinomiais(G, L, N)
    xm[qR] = np.mean(x)
    sx[qR] = np.std(x)
    
print( '\n-----------' )
print( '- G=%d, valores da primeira simulacao com %d dados:' % ( G, N )  )
print( 'media de x: %+.2f com incerteza %.2f' % ( xm[0], np.std(xm) )  )
print( 'desv.-pad.:  %.2f com incerteza %.2f' % ( sx[0], np.std(sx) )  )
print( '\n--' )
print( '- valores medios de %d simulacoes de %d dados:' % (nREP, N)  )
print( 'xm_medio: %+.3f com incerteza %.3f' % ( np.mean(xm), np.std(xm)/np.sqrt(nREP) )  )
print( 'sx_medio:  %.3f com incerteza %.3f' % (np.mean(sx), np.std(sx)/np.sqrt(nREP) )  )
print( '-----------\n' )