Metadata-Version: 2.1
Name: cappy239
Version: 0.0.13
Summary: Algorithms Computational Mathematics I: Spectral Analysis of Stochastic Processes taught by Dr Reinaldo Roberto Rosa at National Institute for Spacial Research (INPE).
Home-page: https://adrianopereira.github.io
Author: Adriano P. Almeida
Author-email: adriano.almeida@inpe.br
License: MIT
Description: <center>
        <img src="./images/logo.png" width="100" />
        </center>
        
        # INPE CAPPY239 - Análise Espectral de Processos Estocásticos
        Ferramenta desenvolvida para a disciplina CAP 238 Matemática Computacional I - Análise Espectral de Processos  Estocásticos, ministrada pelo Dr. Reinaldo Roberto Rosa no programa de Pós Graduação em Computação Aplicada no Instituto Nacional de Pesquisas Espaciais.
        O módulo possui as seguintes funções:
        
        ## Instalação
            pip install cappy239
        
        > Disponível para Python 3.0 ou superior.
        
        ## Powernoise
        A função `powernoise`  gera sinais estocásticos, ruídos 1/f<sup>β</sup>. É uma adaptação do código implementado em Matlab pelo Dr. Reinaldo R. Rosa e Dale B. Dalrymple.
        
        Alguns exemplos com 2<sup>12</sup> valores:
         - **White noise**:
        ```python
        from cappy239 import powernoise
        white_noise = powernoise(beta=0, N=4096)
        ```
         - **Pink noise**:
        ```python
        from cappy239 import powernoise
        pink_noise = powernoise(beta=1, N=4096)
        ```
         - **Red noise**:
        ```python
        from cappy239 import powernoise
        red_noise = powernoise(beta=2, N=4096)
        ```
        
        > Por padrão s série temporal está normalizada, caso não queria isso passe o argumento `varargin='randpower'`.
        
        ## Mapeamento Quadrático (Logístico)
        A função `logistic_map` gera uma série caótica . 
        Exemplo com 100 valores:
        ```python
        from cappy239 import logistic_map
        chaotic_serie = logistic_map(rho=3.85, a0=0.001, n=100)
        ```
        > Referência: [https://geoffboeing.com/2015/03/chaos-theory-logistic-map/](https://geoffboeing.com/2015/03/chaos-theory-logistic-map/)
        
        ## Pmodel
        A função `pmodel` é utilizada para gerar séries temporais estacionárias. O código é uma adaptação da implementação em Matlab disponível em [http://www2.meteo.uni-bonn.de/staff/venema/themes/surrogates/pmodel/pmodel.m](http://www2.meteo.uni-bonn.de/staff/venema/themes/surrogates/pmodel/pmodel.m).
        Alguns exemplos com 2<sup>12</sup> valores:
        
         - **S8: p=0.52, β=-1.66**
        ```python
        from cappy239 import pmodel
        kolmogorov = pmodel(noValues=4096, p=0.52, slope=-1.66)
        ```
        
        ```   ______       _       _______  _______  ____  ____  _____   ______    ______   
         .' ___  |     / \     |_   __ \|_   __ \|_  _||_  _|/ ___ `./ ____ `..' ____ '. 
        / .'   \_|    / _ \      | |__) | | |__) | \ \  / / |_/___) |`'  __) || (____) | 
        | |          / ___ \     |  ___/  |  ___/   \ \/ /   .'____.'_  |__ '.'_.____. | 
        \ `.___.'\ _/ /   \ \_  _| |_    _| |_      _|  |_  / /_____| \____) || \____| | 
         `.____ .'|____| |____||_____|  |_____|    |______| |_______|\______.' \______,' 
                                                                   By Adriano P. Almeida
        ```              
        
Platform: UNKNOWN
Requires-Python: !=3.0.*, !=3.1.*, !=3.2.*, !=3.3.*
Description-Content-Type: text/markdown
