#--------------------------------------------------------#
#
#            Exemple de compositions d'incertitudes
#            connaissant l'incertitude élargie
#
#
#  On mesure OA et OAprime (distance objet lentille
#  et image lentille, algébriquement)
#
#  On calcule la distance focale image d'une lentille :
#
#  f' = OA.OAprime/(OA - OAprime)
#
#   On dispose des incertitudes demi-étendus sur OA et
#   OAprime. 
#  
#--------------------------------------------------------#


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


# On a réalisé 3 pointés, pour l'image, la lentile et l'objet:

VAprime , Delta_VAprime =  25.2 , 0.5
VO , Delta_VO = 16.2 , 0.1
VA , Delta_VA = 11.2 , 0.1


# Oon génère 3 tableaux numpy aléatoires avec N valeurs,
#avec une loi uniforme.

N = 50000 # nombre de simulations Monte-Carlo

VAprime_MC = VAprime + rd.uniform(-Delta_VAprime, Delta_VAprime, N)
VA_MC = VA+ rd.uniform(-Delta_VA, Delta_VA, N)
VO_MC = VO + rd.uniform(-Delta_VO, Delta_VO, N)
# Remarque: ici on utilise une loi uniforme et non normale car on dispose
# de l'incertitude demi-étendue.



# On calcule les N valeurs de f'  associées
OA = (VA_MC - VO_MC)
OAp = (VAprime_MC - VO_MC)

f_MC = OA*OAp/(OA-OAp)

# On se ramène à une évaluation de type A
f_moy = np.average(f_MC)
uf= np.std(f_MC, ddof=1) # Ici on ne divise par par sqrt(N) car il n'y a qu'une
                         # observation initiale. 


print("f = ",f_moy, " +/- " , uf)


