import ROOT,time,math
ROOT.gROOT.ProcessLine(".x rootlogon.C") 
rand=ROOT.TRandom3()
rand.SetSeed(int(time.time()))

c1=ROOT.TCanvas("c","roofit gauss test",1200,600)
c1.Divide(2,1)

tuple=ROOT.TNtuple('gauss','','x')
tuple_half=ROOT.TNtuple('gauss','','x')
tuple_weighted=ROOT.TNtuple('gauss weighted','','x:amp')

for i in range(1000):
    x=rand.Gaus(0,1)
    tuple.Fill(x)
    if i%2==0:
        tuple_weighted.Fill(x,2)
        tuple_half.Fill(x)
        
x=ROOT.RooRealVar('x','x',-20,20)
amp=ROOT.RooRealVar('amp','amp',0,120)
mu=ROOT.RooRealVar('mu','mu',4,-20,20)
sigma=ROOT.RooRealVar('sigma','sigma',5,-100,100)

varset=ROOT.RooArgSet()
varset.add(x)

varset_weighted=ROOT.RooArgSet()
varset_weighted.add(x)
varset_weighted.add(amp)

dataset=ROOT.RooDataSet('dataset','dataset',tuple,varset)
dataset_half=ROOT.RooDataSet('dataset_half','dataset_half',tuple_half,varset)
dataset_weighted=ROOT.RooDataSet('dataset_weighted','dataset weighted',tuple_weighted,varset_weighted,'','amp')


pdf=ROOT.RooGaussian('gaus','gaus',x,mu,sigma)


mus=[]
muerr=[]
sig=[]
sigerr=[]
pdf.fitTo(dataset,ROOT.RooFit.Save())
mus.append(mu.getVal())
muerr.append(mu.getError())
sig.append(sigma.getVal())
sigerr.append(sigma.getError())
print ''
print '******************************************************************************'
print '******************************************************************************'
print '******************************************************************************'
print '******************************************************************************'
print ''

pdf.fitTo(dataset_half,ROOT.RooFit.Save())
mus.append(mu.getVal())
muerr.append(mu.getError())
sig.append(sigma.getVal())
sigerr.append(sigma.getError())
print ''
print '******************************************************************************'
print '******************************************************************************'
print '******************************************************************************'
print '******************************************************************************'
print ''

pdf.fitTo(dataset_weighted,ROOT.RooFit.SumW2Error(False),ROOT.RooFit.Save())
mus.append(mu.getVal())
muerr.append(mu.getError())
sig.append(sigma.getVal())
sigerr.append(sigma.getError())
print ''
print '******************************************************************************'
print '******************************************************************************'
print '******************************************************************************'
print '******************************************************************************'
print ''

pdf.fitTo(dataset_weighted,ROOT.RooFit.SumW2Error(True),ROOT.RooFit.Save())
mus.append(mu.getVal())
muerr.append(mu.getError())
sig.append(sigma.getVal())
sigerr.append(sigma.getError())


print mus
print muerr
print sig
print sigerr