Metadata-Version: 2.1
Name: menzalib
Version: 0.6.1
Summary: Funzioni utili per lab3
Home-page: https://bitbucket.org/Lettera/menza-lib/src
Author: Menzalib Developers
Author-email: 
License: UNKNOWN
Description: # Come installare:
        
        Aprire terminale e inserire `pip install menzalib`
        
        
        ### FUNZIONI PER ERRORI DI MISURA
        
        `dRdig(R)` Computa l'errore sulla misura di resistenza del multimetro digitale
        supponendo di utilizzare la scala appropriata per la misura
        
        `dVdig(V)` Computa l'errore sulla misura di ddp del multimetro digitale
        supponendo di utilizzare la scala appropriata per la misura
        
        `dVosc(V)` Computa l'errore sulla misura di voltaggio dell'oscilloscopio
        supponendo di utilizzare la scala "coarse" appropriata per la misura
        
        `dtosc(t)` Computa l'errore sulla misura del tempo dell'oscilloscoppio
        supponendo di utilizzare la scala "coarse" appropriata per la misura
        
        `dCdic(C,unit='nanofarad')` Calcola l'errore sulla misura della capacità del
        multimetro digitale. Il parametro opzionale "unit" se cambiato porta la scala
        da nanoFarad a Farad
        
        
        ### FUNZIONI PROPAGAZIONE ERRORI
        
        `drapp(x, dx, y, dy)` Propaga l'errore su x/y
        ```python
        # Es: Calcolo dell'errore su (1 +- 0.1) / (2 +- 0.3)
        >>> import menzalib as mz
        >>> mz.drapp(1, 0.1, 2, 0.3)
        array(0.09013878)
        >>> mz.drapp([1,2,3], [0.1, 0.2, 0.3], 10, 0.5)
        array([0.01118034, 0.02236068, 0.03354102])
        ```
        
        `dprod(x, dx, y, dy)` Propaga l'errore su x*y
        
        ```python
        # Es: Calcolo dell'errore su (1 +- 0.1) * (2 +- 0.3)
        >>> import menzalib as mz
        >>> mz.dprod(1, 0.1, 2, 0.3)
        array(0.36055513)
        >>> mz.prod([1,2,3], [0.1, 0.2, 0.3], 10, 0.5)
        array([1.11803399, 2.23606798, 3.35410197])
        ```
        
        
        `dpoli(x, dx, a, da=0)` Propaga l'errore su x^a, di default l'errore sull'esponente è nullo
        ```python
        # Es: Calcolo dell'errore su (1 +- 0.1)^2
        >>> import menzalib as mz
        >>> mz.dpoli(1, 0.1, 2)
        array(0.2)
        >>> mz.poli([1,2,3], [0.1, 0.2, 0.3], 4)
        array([ 0.4,  6.4, 32.4])
        
        # Es: Calcolo dell'errore su 2^(3+-0.2)
        >>> mz.dpoli(2, 0, 3, 0.2)
        1.1090354888959124
        ```
        
        `dlog(x, dx, base="e")` Propaga l'errore sul logaritmo naturale di x
        
        ```python
        # Es: Calcolo dell'errore su log(1 +- 0.1)
        >>> import menzalib as mz
        >>> mz.dlog(1, 0.1)
        0.1
        >>> mz.dlog([1,2,3], [0.1, 0.2, 0.3])
        array([0.1, 0.1, 0.1])
        
        # Es: Errore su f(x) = log_10(1 +- 0.2) (base 10)
        >>> mz.dlog(1, 0.2, 10)
        0.08685889638065036
        ```
        
        
        
        `int_rette(popt1,popt2,pcov1,pcov2)`  
        Calcola l'intersezione di due rette y=mx+q con errore sulla x del punto di intersezione  
        popt1,popt2: Parametri ottimali della retta dove popt[0]=q e popt[1]=m  
        pcov1,pcov2: Matrice di covarianza dei parametri della retta
        
        ### FUNZIONI DI FIT
        
        `curve_fitdx(f, x, y, dx=None, dy=None, df=None, p0=None, nit=None, absolute_sigma=None)`  
        Esegue il curve fit considerando anche gli errori sulla x, sintassi molto simile alla funzione `curve_fit` di scipy.  
        Restituisce parametri ottimali di fit e matrice di covarianza  
        In ordine i parametri sono:
        - f : Funzione di fit nella forma f(x, popt)
        - x : Variabile indipendente dove i dati sono misurati
        - y : I dati dipendenti y=f(x, ...)
        - dx: Opzionale, errori sulla x dei punti sperimentali, default=None
        - dy: Opzionale, errori sulla y dei punti sperimentali, default=None
        - df: Opzionale, derivata della funzione di fit, deve essere nella forma df(x, popt) default: derivata approssimata numericamente
        - p0: Opzionale, parametri iniziali per la routine di curve_fit, default=None
        - nit: Opzionale, numero massimo di cicli per propagare le incertezze efficaci, default=10
        - absolute_sigma: Opzionale, per una spiegazione dettagliata vedere la pagina sulla
            funzione curve fit di scipy, default=False
        - chi2pval: Opzionale, se chi2pval=True la funzione restituisce anche, in ordine:
            errore sui parametri ottimali, chi quadro, pvalue, default=False
        
        
        `chi2_pval(f, x, y, dy, popt, dx=None, df=None)`  
        Calcola il chi2 e il pvalue di un fit di una funzione f con parametri ottimali popt, i parametri sono:
        - f : Funzione di fit nella forma f(x, popt)
        - x : Variabile indipendente dove i dati sono misurati
        - y : I dati dipendenti y=f(x, ...)
        - dy: Opzionale, errori sulla y dei punti sperimentali, default=None
        - dx: Opzionale, errori sulla x dei punti sperimentali, default=None
        - popt: Array con i parametri ottimali di fit
        - dx: Opzionale, errori sulla x dei punti sperimentali, default=None
        - df: Opzionale, derivata della funzione di fit, deve essere nella forma df(x, popt) default: derivata approssimata numericamente
        - default: derivata approssimata numericamente
        
        ### FUNZIONI LATEX
        
        `ns_tex(n,nrif)`  
        Funzione della notazione scientifica di un singolo numero con un numero di riferimento nrif.
        Ad esempio se nrif=500 e n=4896 stampa n con l'ordine di grandezza di nrif, cioè ritorna
        48.96 X 10^2
        	
        `ne_tex(x,dx)` Torna una stringa latex bellina con il valore x e l'errore
        
        `mat_tex(Matrice,titolo=None,file=None)`
        Stampa su terminale una matrice fatta di stringhe per latex
        - Matrice: matrice fatta di stringhe contenente tutti i valori
        - titolo: Opzionale, il titolo della tabella
        - file: Opzionale, file in cui la matrice viene stampata (ATTENZIONE SOVRASCRIVE IL FILE!)
        
Platform: UNKNOWN
Classifier: Programming Language :: Python :: 3
Classifier: License :: OSI Approved :: MIT License
Classifier: Operating System :: OS Independent
Description-Content-Type: text/markdown
