### Aufgabenstellung
# a) Erzeugt 1.000.000 zufällige Werte aus einer Standardnormalverteilung und
#    stellt diese in einem ROOT-Histogramm dar.
# b) Versucht mithilfe der ROOT-Dokumentation herauszufinden, wie das Histogramm so
#    bearbeitet werden kann, dass
#    I.   die x-Achse den Titel „x“ hat.
#    II.  die Fläche unterhalb des Histogramms blau ist.
#    III. es normiert ist.
# c) Erzeugt weitere 1.000.000 Werte aus einer Normalverteilung mit 𝜇 = 3 und 𝜎 = 2
#    und stellt diese mit den vorhandenen Werten aus Teil a) in einem 2D Histogramm
#    dar.

import ROOT as R
R.gROOT.SetBatch(True) #avoid popus
R.gStyle.SetOptStat(0) 

### Aufgabenteil a)
hist1D = R.TH1D('hist1D', 'My 1D Distribution', 100, -5, 5)

for i in range(1000000):
    x = R.gRandom.Gaus()
    hist1D.Fill(x)

### Aufgabenteil b)
can1 = R.TCanvas()
hist1D.GetXaxis().SetTitle('x')
hist1D.SetFillColor(4)
hist1D.DrawNormalized()
can1.SaveAs('A1_1D.pdf')

### Aufgabenteil c)
hist2D = R.TH2D('hist2D', 'My 2D Distribution', 100, -5, 5, 100, -4, 10)

for i in range(1000000):
    x = R.gRandom.Gaus()
    y = R.gRandom.Gaus(3.0, 2.0)
    hist2D.Fill(x,y)

can2 = R.TCanvas()
hist2D.GetXaxis().SetTitle('x')
hist2D.GetYaxis().SetTitle('y')
hist2D.Draw('COLZ')
can2.SaveAs('A1_2D.pdf')