arth_mean_x1 = mt.art_mean(data_set_x1) arth_mean_x2 = mt.art_mean(data_set_x2) arth_mean_x3 = mt.art_mean(data_set_x3) arth_mean_x4 = mt.art_mean(data_set_x4) arth_mean_y = mt.art_mean(data_set_y) # geo_mean_x = mt.geo_mean(data_set_x) # geo_mean_y = mt.geo_mean(data_set_y) sum_x1_pow_2 = mt.sum_list_square(data_set_x1) sum_x2_pow_2 = mt.sum_list_square(data_set_x2) sum_x3_pow_2 = mt.sum_list_square(data_set_x3) sum_x3_pow_4 = mt.sum_list_square(data_set_x4) sum_y_pow_2 = mt.sum_list_square(data_set_y) sum_x1 = mt.sum_list(data_set_x1) sum_x2 = mt.sum_list(data_set_x2) sum_x3 = mt.sum_list(data_set_x3) sum_x4 = mt.sum_list(data_set_x4) sum_y = mt.sum_list(data_set_y) sum_x1_y = mt.sum_list1_dot_list2(data_set_x1, data_set_y) sum_x2_y = mt.sum_list1_dot_list2(data_set_x2, data_set_y) sum_x3_y = mt.sum_list1_dot_list2(data_set_x3, data_set_y) sum_x4_y = mt.sum_list1_dot_list2(data_set_x4, data_set_y) sum_x1_x2 = mt.sum_list1_dot_list2(data_set_x1, data_set_x2) sum_x1_x3 = mt.sum_list1_dot_list2(data_set_x1, data_set_x3) sum_x1_x4 = mt.sum_list1_dot_list2(data_set_x1, data_set_x3) sum_x2_x3 = mt.sum_list1_dot_list2(data_set_x2, data_set_x3) sum_x2_x4 = mt.sum_list1_dot_list2(data_set_x2, data_set_x3) sum_x3_x4 = mt.sum_list1_dot_list2(data_set_x2, data_set_x3)
data_set_y = np.array(y, dtype=float) #so the curve_fit can work arth_mean_x1 = mt.art_mean(data_set_x1) arth_mean_y = mt.art_mean(data_set_y) # geo_mean_x = mt.geo_mean(data_set_x) # geo_mean_y = mt.geo_mean(data_set_y) sum_x1_pow_2 = mt.sum_list_square(data_set_x1) sum_y_pow_2 = mt.sum_list_square(data_set_y) sum_x1 = mt.sum_list(data_set_x1) sum_y = mt.sum_list(data_set_y) sum_x1_y = mt.sum_list1_dot_list2(data_set_x1,data_set_y) var_x1 = mt.variance_list(data_set_x1) var_y = mt.variance_list(data_set_y) cov_x1_y = mt.covariance_list1_list2(data_set_x1,data_set_y) # a= cov_x_y/var_x # b = arth_mean_y-a*arth_mean_x