Linear Regression

import pandas as pd import matplotlib.pyplot as plt import numpy as np

def estimate_b0_b1(x,y): n = np.size(x) #obtenemos promedios de x y y m_x,m_y = np.mean(x), np.mean(y) #calcular sumatoria de xy y sumatoria de xx sumatoria_xy = np.sum((x-m_x)*(y-m_y)) sumatoria_xx = np.sum(x*(x-m_x)) #coeficiente de regresion b_1 = sumatoria_xy/sumatoria_xx b_0 = m_y - b_1*m_x return(b_0,b_1) #grafico def plot_regression(x,y,b): plt.scatter(x, y , color = "g", marker= "o", s = 30) y_pred= b[0] + b[1]*x plt.plot(x, y_pred, color = "b") #etiqueta de grafico plt.xlabel('x-independiente') plt.ylabel('y-dependiente') plt.show()

#codigo principal def main(): #dataset x = np.array([1,2,3,4,5]) y = np.array([2,3,5,6,5]) #obtenemos bo y b1 b = estimate_b0_b1(x,y) print("los valores de b0={}, b1={}".format(b[0],b[1])) #obtenemos grafica plot_regression(x, y, b) if __name__== '__main__': main()