from funciones_graficador import Graficador #%% Importo los mínimos del chi2 os.chdir(path_git+'/Software/Estadística/Resultados_simulaciones/') with np.load('valores_medios_ST_SN_6params.npz') as data: sol = data['sol'] #%% Importo las cadenas os.chdir(path_datos_global+'/Resultados_cadenas') filename = "sample_ST_SN_6params.h5" reader = emcee.backends.HDFBackend(filename) # Algunos valores burnin=10000 thin=200 #tau = reader.get_autocorr_time() #burnin = int(2 * np.max(tau)) #thin = int(0.5 * np.min(tau)) #%% %matplotlib qt5 analisis = Graficador(reader, ['$M_{abs}$','$\Omega_{m}$','b','$\\alpha$','$\\beta$','$\gamma$'], #['$\\alpha$','$\\beta$','$\gamma$'], '') analisis.graficar_contornos(sol, discard=burnin, thin=thin, poster=True, color='k', nuisance_only=False) #%% analisis.graficar_cadenas() analisis.reportar_intervalos(sol)
from pc_path import definir_path path_git, path_datos_global = definir_path() os.chdir(path_git) sys.path.append('./Software/Funcionales/Clases') from funciones_graficador import Graficador #%% Importo los mínimos del chi2 os.chdir(path_git+'/Software/Estadística/Resultados_simulaciones/') with np.load('valores_medios_ST_CC+SN_4params.npz') as data: sol = data['sol'] #%% Importo las cadenas os.chdir(path_datos_global+'/Resultados_cadenas') filename = "sample_ST_CC+SN_4params.h5" reader = emcee.backends.HDFBackend(filename) # Algunos valores tau = reader.get_autocorr_time() burnin = int(2 * np.max(tau)) thin = int(0.5 * np.min(tau)) thin=100 #%% %matplotlib qt5 analisis = Graficador(reader, ['$M_{abs}$','$\Omega_{m}$','b','$H_{0}$'],'') #'Supernovas tipo IA + Cronómetros Cósmicos') analisis.graficar_contornos(sol, discard=burnin, thin=thin, poster=True,color='b') #%% analisis.graficar_cadenas() analisis.reportar_intervalos(sol)
os.chdir(path_git+'/Software/Estadística/Resultados_simulaciones') with np.load('valores_medios_LCDM_CC+SN_4params.npz') as data: sol = data['sol'] #%% Importo las cadenas os.chdir(path_datos_global+'/Resultados_cadenas') terminacion="" filename = "sample_LCDM_CC+SN_4params"+terminacion+".h5" reader = emcee.backends.HDFBackend(filename) # Algunos valores tau = reader.get_autocorr_time() burnin = int(2 * np.max(tau)) thin = int(0.5 * np.min(tau)) #sample = reader.get_chain() #burnin = int(0.2*len(sample[:,0])) #%% #burnin=100 #thin=5 %matplotlib qt5 analisis = Graficador(reader, ['$M_{abs}$','$\Omega_{m}$','$H_{0}$'],'CC+SN (LCDM)') #'Supernovas tipo IA + Cronómetros Cósmicos + BAO') analisis.graficar_contornos(discard=burnin, thin=thin, poster=False,color='r') plt.savefig('/home/matias/Desktop/Moves/contornos_{}'.format(terminacion)) #%% analisis.graficar_cadenas(num_chains=5) plt.savefig('/home/matias/Desktop/Moves/cadena_{}'.format(terminacion)) analisis.reportar_intervalos(discard=burnin, thin=thin)
import emcee import sys import os from pc_path import definir_path path_git, path_datos_global = definir_path() os.chdir(path_git) sys.path.append('./Software/Funcionales/Clases') from funciones_graficador import Graficador #%% Importo las cadenas os.chdir(path_datos_global+'/Resultados_cadenas/Paper/LCDM') filename = "sample_LCDM_CC+SN_4params.h5" reader = emcee.backends.HDFBackend(filename) # Algunos valores samples = reader.get_chain() burnin= int(0.2*len(samples[:,0])) #Burnin del 20% thin = 1 #%% %matplotlib qt5 analisis = Graficador(reader, ['$M_{abs}$','$\Omega_{m}$','$H_{0}$'], 'SnIA + CC') analisis.graficar_contornos(discard=burnin, thin=thin, poster=False,color='r') plt.savefig( '/home/matias/contornos_SN+CC+LCDM.png') #%% analisis.graficar_cadenas() analisis.reportar_intervalos(discard=burnin, thin=thin)
burnin= burnin=int(0.2*len(samples[:,0])) thin=1 # Saving the array in a text file #np.savez('/home/matias/Desktop/HS_CC+SN+BAO_bs.npz', bs=samples[:,2]) #with np.load('/home/matias/Desktop/HS_CC+SN+BAO_bs.npz') as data: # bs = data['bs'] #%% %matplotlib qt5 #analisis = Graficador(reader, ['b','$\Omega_{m}^{\Lambda CDM}$','$H_{0}^{\Lambda CDM}$','$M_{abs}$'],'SNIA + CC + BAO (HS)') #analisis.reportar_intervalos(discard=burnin, thin=thin) #%% os.chdir(path_datos_global+'/Resultados_cadenas/Paper/HS/') filename_mati = "sample_HS_CC+SN+BAO_4params.h5" reader_mati = emcee.backends.HDFBackend(filename_mati) aux = reader_mati.get_chain() burnin= burnin=int(0.2*len(aux[:,0])) thin=1 analisis = Graficador(reader_mati, ['$M_{abs}$','$\Omega_{m}^{\Lambda CDM}$','b','$H_{0}^{\Lambda CDM}$'],'SNIA + CC + BAO (HS)') analisis.reportar_intervalos(discard=burnin, thin=thin) #%% os.chdir(path_datos_global+'/Resultados_cadenas') filename = 'CC+SnIa+BAO_HS_NN.h5' #Corridas de Augusto reader_agus = emcee.backends.HDFBackend(filename) samples = reader_agus.get_chain() burnin= burnin=int(0.2*len(samples[:,0])) thin=1 analisis = Graficador(reader_agus, ['b','$\Omega_{m}^{\Lambda CDM}$','$H_{0}^{\Lambda CDM}$','$M_{abs}$'],'SNIA + CC + BAO (HS)') analisis.reportar_intervalos(discard=burnin, thin=thin)
from pc_path import definir_path path_git, path_datos_global = definir_path() os.chdir(path_git) sys.path.append('./Software/Funcionales/Clases') from funciones_graficador import Graficador sys.path.append('./Software/Funcionales') from hdi import hpd_grid #%% Importo las cadenas #os.chdir(path_datos_global+'/Resultados_cadenas/Paper/12 cadenas/EXP') os.chdir(path_datos_global+'/Resultados_cadenas/Paper/EXP') with np.load('sample_EXP_CC+SN+BAO_4params_deriv.npz') as data: ns = data['new_samples'] #%% intervals,_,_,_ = hpd_grid(ns[:,2],alpha=0.32) print(intervals) intervals,_,_,_ = hpd_grid(ns[:,2],alpha=0.05) print(intervals) #Te hago una consulta, recién estuve intantando conectarme al backdoor y me dice que la contraseño es incorrecta. A vos también te pasa? Es raro porque ayer pude conectarme lo más bien #%% %matplotlib qt5 analisis = Graficador(ns, ['$M_{abs}$','$\Omega_{m}$','b','$H_{0}$'],'EXP (CC+SN+BAO)') #]analisis.graficar_cadenas_derivs() analisis.graficar_contornos(discard=0,thin=1,poster=False,color='r') analisis.reportar_intervalos(discard=0,thin=1)
from funciones_graficador import Graficador #%% Importo las cadenas os.chdir(path_datos_global+'/Resultados_cadenas/Paper/HS') filename = "sample_HS_CC+SN+BAO_4params.h5" reader = emcee.backends.HDFBackend(filename) # Algunos valores tau = reader.get_autocorr_time() #burnin = int(2 * np.max(tau)) sample = reader.get_chain() len(sample) burnin= burnin=int(0.2*len(sample[:,0])) thin = int(0.5 * np.min(tau)) #%% Saving the array in a text file without thin and burnin flat_samples = reader.get_chain(discard=0, flat=True, thin=1) np.savez('/home/matias/Desktop/HS_CC+SN+BAO_bs.npz', bs=flat_samples[:,2]) with np.load('/home/matias/Desktop/HS_CC+SN+BAO_bs.npz') as data: bs = data['bs'] bs #%% %matplotlib qt5 analisis = Graficador(reader, ['$M_{abs}$', '$\Omega_{m}^{\Lambda CDM}$','b','$H_{0}^{\Lambda CDM}$'], 'HS (SnIA + CC + BAO)') analisis.graficar_contornos(discard=burnin, thin=thin, poster=False,color='r') #%% analisis.graficar_cadenas() analisis.reportar_intervalos()
from matplotlib import pyplot as plt import emcee import sys import os from pc_path import definir_path path_git, path_datos_global = definir_path() os.chdir(path_git) sys.path.append('./Software/Funcionales/Clases') from funciones_graficador import Graficador #%% Importo las cadenas os.chdir(path_datos_global+'/Resultados_cadenas/Paper/HS') #os.chdir(path_datos_global+'/Resultados_cadenas') with np.load('sample_HS_CC+SN+BAO_4params_deriv.npz') as data: ns = data['new_samples'] # Saving the array in a text file #np.savez('/home/matias/Desktop/HS_CC+SN+BAO_bs.npz', bs=ns[:,2]) #with np.load('/home/matias/Desktop/HS_CC+SN+BAO_bs.npz') as data: # bs = data['bs'] #%% %matplotlib qt5 analisis = Graficador(ns, ['$M_{abs}$','$\Omega_{m}$','b','$H_{0}$'],'HS (SnIA + CC + BAO)') analisis.graficar_cadenas_derivs() analisis.graficar_contornos(poster=False,color='r') plt.savefig('/home/matias/Desktop/Entrega 17_09/Corridas/CC+SN+BAO_sin_burnin') analisis.reportar_intervalos(discard=0,thin=1)
# bs = data['bs'] len(ns) b = ns[:,2] b.shape c = np.histogram(b, bins=100)[0] d = np.histogram(b, bins=100)[1] c_sum = np.cumsum(c) c c.max() index_max = np.where(c==c.max())[0][0] index_max 0.68*44040 index = np.where(c_sum==30095)[0] d[index] #%% intervals,_,_,_ = hpd_grid(ns[:,2],alpha=0.32) intervals intervals,_,_,_ = hpd_grid(ns[:,2],alpha=0.05) intervals #%% %matplotlib qt5 analisis = Graficador(ns, ['$M_{abs}$','$\Omega_{m}$','b','$H_{0}$'],'CC+SnIA (EXP) - Params Deriv') analisis.graficar_cadenas_derivs() analisis.graficar_contornos(discard=0,thin=1,poster=False,color='r') plt.savefig('/home/matias/Desktop/CC+SN') analisis.reportar_intervalos(discard=0,thin=1)
import emcee import sys import os from pc_path import definir_path path_git, path_datos_global = definir_path() os.chdir(path_git) sys.path.append('./Software/Funcionales/Clases') from funciones_graficador import Graficador #%% Importo las cadenas #os.chdir(path_datos_global+'/Resultados_cadenas') os.chdir(path_datos_global+'/Resultados_cadenas/Paper/EXP') filename = "sample_EXP_AGN_2params.h5" reader = emcee.backends.HDFBackend(filename) # Algunos valores tau = reader.get_autocorr_time() burnin = int(2 * np.max(tau)) thin = int(0.5 * np.min(tau)) #%% %matplotlib qt5 #burnin = 500 #thin = 20 analisis = Graficador(reader, ['$\Omega_{m}$','b'], 'AGN EXP') analisis.graficar_cadenas() analisis.graficar_contornos(discard=burnin, thin=thin, poster=False, color='k') analisis.reportar_intervalos()
# Algunos valores tau = reader.get_autocorr_time() samples = reader.get_chain() burnin= int(0.2*len(samples[:,0])) thin=1 # Saving the array in a text file #np.savez('/home/matias/Desktop/HS_CC+SN_bs_20_cadenas.npz', bs=samples[:,2]) #with np.load('/home/matias/Desktop/HS_CC+SN_bs_20_cadenas.npz') as data: # bs = data['bs'] #%% %matplotlib qt5 analisis = Graficador(reader, ['$M_{abs}$','$\Omega_{m}^{\Lambda CDM}$','b','$H_{0}^{\Lambda CDM}$'],'SNIA + CC (HS) Matias 20 cadenas') analisis.graficar_contornos(discard=burnin, thin=thin, poster=False,color='r') #analisis.graficar_cadenas() analisis.reportar_intervalos(discard=burnin, thin=thin) #analisis.graficar_taus_vs_n() #%% os.chdir(path_datos_global+'/Resultados_cadenas') filename = 'CC+SnIa_HS_NN.h5' #Corridas de Augusto reader_agus = emcee.backends.HDFBackend(filename) # Algunos valores tau = reader_agus.get_autocorr_time() samples = reader.get_chain() burnin= int(0.2*len(samples[:,0])) thin=1
#%% Importo los mínimos del chi2 os.chdir(path_git+'/Software/Estadística/Resultados_simulaciones/') with np.load('valores_medios_ST_CC+H0_3params.npz') as data: sol = data['sol'] #%% Importo las cadenas os.chdir(path_datos_global+'/Resultados_cadenas') filename = 'sample_ST_CC+H0_3params.h5' reader = emcee.backends.HDFBackend(filename) # Algunos valores tau = reader.get_autocorr_time() burnin = int(2 * np.max(tau)) thin = int(0.5 * np.min(tau)) #thin=200 #%% %matplotlib qt5 analisis = Graficador(reader, ['$\Omega_m$', 'b', '$H_{0}$'],'') #'Cronómetros Cósmicos + H0') analisis.graficar_contornos(sol, discard=burnin, thin=thin, poster=True,color='g') #%% analisis.graficar_cadenas() analisis.reportar_intervalos(sol) #%% %matplotlib qt5 analisis.graficar_taus_vs_n(num_param=None) #%% analisis.graficar_taus_vs_n(num_param=0) analisis.graficar_taus_vs_n(num_param=1) analisis.graficar_taus_vs_n(num_param=2)
import numpy as np from matplotlib import pyplot as plt import emcee import sys import os from pc_path import definir_path path_git, path_datos_global = definir_path() os.chdir(path_git) sys.path.append('./Software/Funcionales/Clases') from funciones_graficador import Graficador #%% Importo las cadenas #os.chdir(path_datos_global+'/Resultados_cadenas/Paper/HS') os.chdir(path_datos_global+'/Resultados_cadenas/') with np.load('sample_HS_CC+SN_4params_augusto_deriv.npz') as data: ns = data['new_samples'] #%% %matplotlib qt5 analisis = Graficador(ns, ['$M_{abs}$','$\Omega_{m}$','b','$H_{0}$'],'CC+SNIA (HS) - Params Deriv') analisis.graficar_cadenas_derivs() analisis.graficar_contornos(poster=False,color='r') #plt.savefig('/home/matias/Desktop/Entrega 17_09/Corridas/CC+SN') analisis.reportar_intervalos()