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()
