
eje 2
Python
Publicado el 15 de Abril del 2023 por Angel
664 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)
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'>