Código de Python - eje 2

sin imagen de perfil

eje 2gráfica de visualizaciones


Python

Publicado el 15 de Abril del 2023 por Angel
517 visualizaciones desde el 15 de Abril del 2023
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# Datos
t = np.array([1814, 1824, 1834, 1844, 1854, 1864])
P = np.array([125, 275, 830, 1200, 1750, 1650])

# Función de ajuste
def growth_model(t, P0, r):
return P0 * np.exp(r * (t - t[0]))

# Ajuste de la curva
popt, pcov = curve_fit(growth_model, t, P)

# Parámetros ajustados
P0 = popt[0]
r = popt[1]

# Gráfico
plt.plot(t, P, 'ro', label='Datos')
plt.plot(t, growth_model(t, P0, r), 'b-', label='Curva ajustada')
plt.xlabel('Año')
plt.ylabel('Población')
plt.legend()
plt.show()

# Estimado de la tasa de crecimiento
print("Tasa de crecimiento (r):", r)
1
='editor_code'>

Requerimientos

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# Datos
t = np.array([1814, 1824, 1834, 1844, 1854, 1864])
P = np.array([125, 275, 830, 1200, 1750, 1650])

# Función de ajuste
def growth_model(t, P0, r):
return P0 * np.exp(r * (t - t[0]))

# Ajuste de la curva
popt, pcov = curve_fit(growth_model, t, P)

# Parámetros ajustados
P0 = popt[0]
r = popt[1]

# Gráfico
plt.plot(t, P, 'ro', label='Datos')
plt.plot(t, growth_model(t, P0, r), 'b-', label='Curva ajustada')
plt.xlabel('Año')
plt.ylabel('Población')
plt.legend()
plt.show()

# Estimado de la tasa de crecimiento
print("Tasa de crecimiento (r):", r)

1.0

Publicado el 15 de Abril del 2023gráfica de visualizaciones de la versión: 1.0
518 visualizaciones desde el 15 de Abril del 2023
estrellaestrellaestrellaestrellaestrella
estrellaestrellaestrellaestrella
estrellaestrellaestrella
estrellaestrella
estrella

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
 
# Datos
t = np.array([1814, 1824, 1834, 1844, 1854, 1864])
P = np.array([125, 275, 830, 1200, 1750, 1650])
 
# Función de ajuste
def growth_model(t, P0, r):
    return P0 * np.exp(r * (t - t[0]))
 
# Ajuste de la curva
popt, pcov = curve_fit(growth_model, t, P)
 
# Parámetros ajustados
P0 = popt[0]
r = popt[1]
 
# Gráfico
plt.plot(t, P, 'ro', label='Datos')
plt.plot(t, growth_model(t, P0, r), 'b-', label='Curva ajustada')
plt.xlabel('Año')
plt.ylabel('Población')
plt.legend()
plt.show()
 
# Estimado de la tasa de crecimiento
print("Tasa de crecimiento (r):", r)



Comentarios sobre la versión: 1.0 (0)


No hay comentarios
 

Comentar la versión: 1.0

Nombre
Correo (no se visualiza en la web)
Valoración
Comentarios...
CerrarCerrar
CerrarCerrar
Cerrar

Tienes que ser un usuario registrado para poder insertar imágenes, archivos y/o videos.

Puedes registrarte o validarte desde aquí.

Codigo
Negrita
Subrayado
Tachado
Cursiva
Insertar enlace
Imagen externa
Emoticon
Tabular
Centrar
Titulo
Linea
Disminuir
Aumentar
Vista preliminar
sonreir
dientes
lengua
guiño
enfadado
confundido
llorar
avergonzado
sorprendido
triste
sol
estrella
jarra
camara
taza de cafe
email
beso
bombilla
amor
mal
bien
Es necesario revisar y aceptar las políticas de privacidad

http://lwp-l.com/s7357