z_data, H_data, dH = leer_data_cronometros('datos_cronometros.txt') os.chdir(path_git + '/Software/Estadística/Resultados_simulaciones/') with np.load('valores_medios_HS_CC+SN_4params.npz') as data: sol = data['sol'] print(sol) #Parametros fijos n = 1 params_fijos = n log_likelihood = lambda theta: -0.5 * params_to_chi2(theta, params_fijos, zcmb, zhel, Cinv, mb, z_data, H_data, dH, chi_riess=False) #%% Definimos las gunciones de prior y el posterior def log_prior(theta): M, omega_m, b, H0 = theta if (-22 < M < -18 and 0.01 < omega_m < 0.5 and 0 < b < 2 and 60 < H0 < 80 and 60 < alpha < 80 and 60 < beta < 80 and 60 < gamma < 80): return 0.0 return -np.inf
#%% #Datos de SN os.chdir(path_git + '/Software/Estadística/Datos/Datos_pantheon/') zcmb, zhel, Cinv, mb = leer_data_pantheon('lcparam_full_long_zhel.txt') #Datos de crnómetros os.chdir(path_git + '/Software/Estadística/Datos/') z_data, H_data, dH = leer_data_cronometros('datos_cronometros.txt') #%% #Parametros a ajustar nll = lambda theta: params_to_chi2(theta, params_fijos, zcmb, zhel, Cinv, mb, z_data, H_data, dH, chi_riess=False) initial = np.array([M_true, omega_m_true, b_true]) soln = minimize(nll, initial, options={'eps': 0.01}, bounds=((-19.6, -19), (0.1, 0.3), (0.2, 0.3))) M_ml, omega_m_ml, b_ml = soln.x print(M_ml, omega_m_ml, b_ml) os.chdir(path_git + '/Software/Estadística/Resultados_simulaciones')