L'istruzione do
Come inserire dei valori dall'esterno
o
pro prova sum=0
for i=1,10 do begin sum=sum+i
endfor print,sum end
pro prova Sum=0
Read,n,prompt='sommo fino a che numero?' for i=1,n do begin
sum=sum+i endfor
print,sum end
L'istruzione if
L'istruzione while
o
pro prova sum=0
read,n,prompt='sommo fino a che numero?' for i=1,1000 do begin
if(i le n) then begin sum=sum+i
endif endfor print,sum end
Pro prova sum=0
read,n,prompt='sommo fino a che numero?' i=0
while (i ne n) do begin i=i+1
sum=sum+i endwhile print,sum end
Se voglio ricominciare
o
Program prova again: sum=0
read,n,prompt='sommo fino a che numero?' i=0
while (i ne n) do begin i=i+1
sum=sum+i endwhile print,sum
read,k,prompt='ricomincio, 1= si'' if (k eq 1) then goto,again
end
Verificare che randomn produce effettivamente una gaussiana (di media 0 e deviazione std 1).
A) contare gli eventi entro 1,2,3 sigma e vedere come cambiano al variare del campionamento ossia del
numero dei dati che io ho a disposizione.
Ho bisogno di “ordinare” i dati (GDL> a=[1,4,2,3]
GDL>b=a(sort(a)) GDL>print,b
GDL>1 2 3 4
GDL>print,sort(a) GDL> 0 2 3 1
E anche di randomn(1,4) randomn(2,4) randomn(seed,4)
Nonche' di randomn(1,4,2), randomn(2,4,2) randomn(seed,4,2)
o
ESERCIZIO 9
B) produrre il grafico di quanto ottenuto con randomn utilizzando un numero variabile di dati e verificare quanti dati sono necessari (campionamento) per riprodurre una forma simile ad una gaussiana
La gaussiana:
Se pongo
Ottengo la distribuzione normale
avente media uguale a zero e deviazione standard uguale a 1
f (x)= 1
√2 π σ e
−(x−μ)2 2 σ2
Z=x−μ σ
f (z)= 1
√2 π e
−z2
(μ) (σ )
GDL>print,gauss_pdf(1) – gauss_pdf(1) GDL> 0.682690
gauss_pdf sta per gaussian probability density function
L'istruzione gauss_pdf calcola la distribuzione
cumulativa della distribuzione normale e pertanto permette di stabilire qual'e' la probabilità che una variabile distribuita normalmente abbia una valore inferiore o uguale a quello messo fra parentesi
infatti GDL>print,gauss_pdf(1) GDL>0.84134
−∞∫
∞ 1
√2 π e
−z2
dz=1 ∫
−σ
σ 1
√2 π e
−z2
dz=0.68
ESERCIZIO 10
Se la magnitudine B assoluta delle Ellittiche seguisse una distribuzione gaussiana con media 21 e
dispersione 0.8, (non e' cosi !). Quale sarebbe la probabilita' di trovare un'ellittica con M_B < 23 ?
ESERCIZIO 11
Supponiamo che la distribuzione delle velocita' negli
ammassi di galassie sia gaussiana (valore medio pari a quello del centro di massa e dispersione derivabile
dall' “amato” teroema del viriale.
Se abbiamo 2 ammassi uguali (stessa massa e stessa
“dimensione”) collocati lungo la stessa linea di vista A che distanza si devono trovare l'uno dall'altro
perche' le distribuzioni delle velocita' siano distinguibili?
Quanto dipende (il risultato) dal campionamento?
