# -*- coding: utf-8 -*-
"""
Created on Mon Aug  5 17:37:48 2024

@author: Luz
"""

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

# Datos de ejemplo
x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 5, 4, 5])
y_error = np.array([0.2, 0.4, 0.3, 1, 0.3])  # Incertidumbres en y

# Función lineal
def linear_func(x, a, b):
    return a * x + b

# Ajuste por mínimos cuadrados ponderado
popt, pcov = curve_fit(linear_func, x, y, sigma=y_error, absolute_sigma=True)

# Parámetros del ajuste
slope, intercept = popt
slope_err, intercept_err = np.sqrt(np.diag(pcov))

# Generar valores ajustados
y_fit = linear_func(x, *popt)

# Mostrar los resultados con incertidumbre
print(f"Pendiente: {slope} ± {slope_err}")
print(f"Intersección: {intercept} ± {intercept_err}")

# Graficar los datos con barras de incertidumbre y la recta de ajuste
plt.errorbar(x, y, yerr=y_error, fmt='o', label='Datos con incertidumbre')
plt.plot(x, y_fit, color='red', label='Ajuste ponderado')

# Insertar los valores del ajuste en la gráfica
plt.text(3, 2, f'Pendiente = {slope:.2f} ± {slope_err:.2f}', fontsize=12, color='red')
plt.text(3, 1.8, f'Intersección = {intercept:.2f} ± {intercept_err:.2f}', fontsize=12, color='red')


plt.xlabel('X')
plt.ylabel('Y')
plt.legend()
plt.title('Ajuste ponderado por mínimos cuadrados con barras de error')
plt.show()