def etotal(Xint, Ns, XextList, params):
'''
calcula el error total como la suma de los errore de cada punto en cada
imagen
'''
return bl.errorCuadraticoInt(Xint, Ns, XextList, params).sum()
def etotal(Xint, Ns, XextList, params):
'''
calcula el error total como la suma de los errore de cada punto en cada
imagen
'''
return bl.errorCuadraticoInt(Xint, Ns, XextList, params).sum()
params,
j,
mahDist=False)
print(ErIm.sum())
# pruebo el error total
def etotal(Xint, Ns, XextList, params):
'''
calcula el error total como la suma de los errore de cada punto en cada
imagen
'''
return bl.errorCuadraticoInt(Xint, Ns, XextList, params).sum()
Erto = bl.errorCuadraticoInt(Xint, Ns, XextList, params, mahDist=False)
E0 = etotal(Xint, Ns, XextList, params)
print(Erto.sum(), E0)
# saco distancia mahalanobis de cada proyeccion
mahDistance = bl.errorCuadraticoInt(Xint, Ns, XextList, params, mahDist=True)
plt.figure()
nhist, bins, _ = plt.hist(mahDistance, 50, normed=True)
chi2pdf = sts.chi2.pdf(bins, 2)
plt.plot(bins, chi2pdf)
plt.yscale('log')
# %% metropolis hastings
from numpy.random import rand as rn
params["Crt"] = Crt # list of 6x6 covariance matrices
# pruebo con una imagen
for j in range(n):
ErIm = bl.errorCuadraticoImagen(XextList[j], Xint, Ns, params, j, mahDist=False)
print(ErIm.sum())
# pruebo el error total
def etotal(Xint, Ns, XextList, params):
'''
calcula el error total como la suma de los errore de cada punto en cada
imagen
'''
return bl.errorCuadraticoInt(Xint, Ns, XextList, params).sum()
Erto = bl.errorCuadraticoInt(Xint, Ns, XextList, params, mahDist=False)
E0 = etotal(Xint, Ns, XextList, params)
#print(Erto.sum(), E0)
# saco distancia mahalanobis de cada proyeccion
mahDistance = bl.errorCuadraticoInt(Xint, Ns, XextList, params, mahDist=True)
#print(mahDistance)
# plot to check that tha proposed std is reasonable because of statistical
# behaviour
plt.figure()
nhist, bins, _ = plt.hist(mahDistance, 200, normed=True)
chi2pdf = sts.chi2.pdf(bins, 2)
plt.plot(bins, chi2pdf)
#plt.yscale('log')