Documentos de Académico
Documentos de Profesional
Documentos de Cultura
In�[�]:
# Jupyter notebook-grafica
In�[�]:
x = [0,0.4,0.6,0.8,1,1.2,1.4,1.6,1.8,2] # x= concentracion de maltosa (g/l)
y = [0,0.1,0.174,0.239,0.266,0.382,0.437,0.515,0.553,0.646] # y= absorbancia 540 nm
print (x)
print (y)
In�[�]:
import matplotlib.pyplot as plt # matplotlib in line
plt.grid(True) # poner grid en la grafica
plt.plot(x,y, color='red', linewidth=0, linestyle='--', marker='s')
In�[�]:
from IPython.display import HTML
HTML('<iframe allow="autoplay; encrypted-media" allowfullscreen="" frameborder="0"
height="360" src="https://www.youtube.com/embed/Sv5IJ1AjjSU"
width="640"></iframe>')
In�[�]:
import numpy as np
import matplotlib.pyplot as plt
In�[�]:
%matplotlib inline
%config InlineBackend.figure_format = 'svg'
In�[�]:
n= len(x)
x = np.array(x)
y = np.array(y)
sumx = sum(x)
sumy = sum(y)
sumx2 = sum(x*x)
sumy2 = sum(y*y)
sumxy = sum(x*y)
promx = sumx/n
promy = sumy/n
In�[�]:
m =(sumx*sumy - n*sumxy)/(sumx**2-n*sumx2)
b = promy- m*promx
m, b
In�[�]:
#plt.plot(x,y, 'o', label='Datos')
plt.plot(x,y, 'o',color='blue', label='Datos')
plt.plot(x, m*x + b,"r", linestyle="--",label='Ajuste')
plt.xlabel('Maltosa (g/L)')
plt.ylabel('Absorbancia (540 nm)')
plt.title('Curva de calibracion de maltosa')
plt.grid()
plt.legend(loc=4)
plt.text (1.5, 0.6, "R2=0.99", fontsize=10)
plt.show()
In�[�]:
sigmax=np.sqrt(sumx2/n- promx**2)
sigmay=np.sqrt(sumy2/n- promy**2)
sigmaxy = sumxy/n -promx*promy
R2 = (sigmaxy/(sigmax*sigmay))**2
R2
La librer�a Pandas�
Pandas es una librer�a de Python especializada en el manejo y an�lisis de
estructuras de datos.
Las principales caracter�sticas de esta librer�a son:
* Define nuevas estructuras de datos basadas en los arrays de la librer�a NumPy
pero con nuevas funcionalidades.
* Permite leer y escribir f�cilmente ficheros en formato CSV, Excel y bases de
datos SQL.
* Permite acceder a los datos mediante �ndices o nombres para filas y columnas.
* Ofrece m�todos para reordenar, dividir y combinar conjuntos de datos.
* Permite trabajar con series temporales.
* Realiza todas estas operaciones de manera muy eficiente.
In�[�]:
from IPython.display import HTML
HTML('<iframe allow="autoplay; encrypted-media" allowfullscreen="" frameborder="0"
height="360" src="https://www.youtube.com/embed/8ASjvOIyyl8"
width="640"></iframe>')
Tarea 1�
Adicionar al cuaderno jupyter: https://github.com/fhernanb/Python-para-
estadistica/blob/master/03%20Regression/Regresi%C3%B3n%20lineal
%20simple/simpleLinearRegression.ipynb
Tarea Opcional�
Realizar regresi�n lineal usando informaci�n de https://www.youtube.com/watch?
v=fVsccB30O_4&t=5s (Python: Gr�ficas, Ajuste de Datos, Lectura de datos (Pandas,
mathplotlib, Numpy, SciPy)), en Jupyter Notebook
Puedes usar datos de https://365datascience.com/tutorials/python-tutorials/linear-
regression/