Hola Aldo, espero que estés bien
¡Qué interesante que estés trabajando en el Proyecto Citrus! Para calcular el coeficiente angular y lineal utilizando la fórmula de mínimos cuadrados, puedes seguir estos pasos básicos en Python con NumPy:
Preparar los datos: Asegúrate de tener tus datos de entrada (por ejemplo, el peso o tamaño de las naranjas y toronjas) y los datos de salida (por ejemplo, el precio o alguna otra variable que quieras predecir).
Fórmula de mínimos cuadrados: La fórmula básica para la regresión lineal es y = mx + b, donde m es el coeficiente angular y b es el coeficiente lineal. La fórmula de mínimos cuadrados para calcular m y b es:
[
m = \frac{N(\sum xy) - (\sum x)(\sum y)}{N(\sum x^2) - (\sum x)^2}
]
[
b = \frac{(\sum y) - m(\sum x)}{N}
]
Aquí, N es el número de puntos de datos, x es el vector de valores de entrada, y es el vector de valores de salida, y (\sum) representa la suma sobre todos los valores.
Implementación en NumPy: Aquí tienes un ejemplo de cómo podrías implementar esto en Python usando NumPy:
import numpy as np
# Ejemplo de datos
x = np.array([1, 2, 3, 4, 5]) # Datos de entrada
y = np.array([2, 4, 5, 4, 5]) # Datos de salida
N = len(x)
sum_x = np.sum(x)
sum_y = np.sum(y)
sum_xy = np.sum(x * y)
sum_x2 = np.sum(x**2)
# Calcular m y b
m = (N * sum_xy - sum_x * sum_y) / (N * sum_x2 - sum_x**2)
b = (sum_y - m * sum_x) / N
print(f"Coeficiente angular (m): {m}")
print(f"Coeficiente lineal (b): {b}")
Asegúrate de adaptar este ejemplo a tus datos específicos de las naranjas y toronjas. Espero que esto te ayude a avanzar en tu proyecto.
¡Espero haber ayudado y buenos estudios!