# Les bibliothèques
import numpy as np
import numpy.random as rd


# Entrée des données
C , uC = # capacité C, et son incertitude-type en F
L, uL =  # inductance et son incertitude-type en H
R, uR = # résistance et son incertitude-type en Ohm
R_GBF = 
R_bob =

# Simulations : on génère deux tableaux numpy aléatoirement avec N valeurs. 
N = 50000 # nombre de simulations Monte-Carlo
C_MC = rd.normal(C, uC, N)
L_MC = rd.normal(L, uL, N)
R_MC = rd.normal(R + R_GBF + R_bob,uR,N)



# On calcule les périodes propres associées, ce sont des tableaux numpy
T0_MC = 2*np.pi*np.sqrt(L_MC*C_MC)

# On calcule les facteurs de qualité associés

Q_MC = 1/R_MC*(L_MC/C_MC)**0.5

# On procède comme pour le type A: 
T0_moy = np.average(T0_MC)
uT0= np.std(T0_MC, ddof=1)
print("T0 = ",T0_moy, " +/- " , uT0)


Q_moy = np.average(Q_MC)
uQ = np.std(Q_MC,ddof=1)
print("Q=",Q_moy, "+/-", uQ)





