# -*- coding: utf-8 -*-
"""
Created on Thu May  9 08:14:51 2019

@author: Publico
"""

#Ajuste de curva con una función lineal
import scipy.optimize as scop
import numpy as np
"""Primero definen la función "modelo" con la que van a querer ajustar sus datos, una lineal en este caso"""
def funcion_lineal(x,a,b):
	return a*x + b

"""Los datos están representados por mediciones de período y de la longitud. Aquella configuración de datos que quieren corroborar si sigue un régimen lineal es aquella donde grafican T² vs L o al revés, dependiendo de cuál magnitud tiene mayor error relativo. Ya que cuadrados mínimos sólo tiene en cuenta los errores en el eje y"""

"""Voy a suponer que las longitudes están en el eje x y los períodos al cuadrado en el eje y, pero de nuevo, depende de dónde tienen su error relativo.
"""

data_x = longitudes
data_y = periodos_cuadrado

"""Por otro lado, supongo que ya tienen calculados los errores del eje y, llamo a esos datos "errores_y" """

p_opt,cov = scop.curve_fit(data_x,data_y,sigma = errores_y) """Encuentran los parámetros óptimos para la pendiente, y la ordenada (a_opt y b_opt, respectivamente)"""
p_opt[0] = a_opt
p_opt[1] = b_opt
errores_parametros = np.sqrt(np.diag(cov)) """Acá obtienen un vector con los errores de la pendiente y ordenada, en primer y segundo lugar, respectivamente"""
error_a = errores_parametros[0]
errpr_b = eroores_parametros[1]

"""Ahora grafican los datos y el ajuste obtenido"""
plt.figure()
plt.plot(data_x,data_y)
plt.plot(data_x,funcion_lineal(data_x,a_opt,b_opt))
plt.errobar(data_x,data_y,errores_y)
plt.show()
"""Esta es la idea general, ustedes pongan los gráficos presentables para el informe"""