#!/usr/bin/python3
# Beispiel für einen Plot mit linearer Regression
from sys import exit
from scipy.stats import linregress
import matplotlib.pyplot as plt
from numpy import array
# Messwerte (je eine Liste mit x- und y-Koordinaten)
x = [ 0.6, 3.8, 5.5, 7.5, 9.9]   # x-Koordinaten
y = [-1.7, 1.1, 2.5, 3.8, 8.8]   # y-Koordinaten
if len(x) != len(y): exit(1) # Fehler -> Abbruch
# Berechnung der Ausgleichsgeraden y = a + b*x
b,a,r,p,e = linregress(x,y) # lineare Regression
print("Anzahl der Datenpunkte:",len(x))
print("Geradensteigung b (slope):",round(b,2))
print("y-Achsenabschnitt (intercept):",round(a,2))
print("Korrelationskoeffizient r:",round(r,2))
print("Bestimmtheitsmaß R^2 = r^2:",round(r*r,2))
print("p-Wert für Signifikanz von b:",round(p,2))
print("Standardfehler von b (stderr):",round(e,2))
# Plot der Messwerte und der Ausgleichsgeraden
fd={'fontsize':'medium','fontweight':'bold'}
plt.title(str(len(x))+' Messwerte, Ausgleichsgerade \
y = '+str(round(a,2))+' + '+str(round(b,2))+
' \u00b7 x, R\u00b2 = '+str(round(r*r,2)),fontdict=fd)
plt.xlabel('x') ; plt.ylabel('y')
plt.plot(x, y, 'o', color='g', markersize=8)
plt.plot(x, a+b*array(x), '-', color='tab:brown')
plt.savefig(fname='linregress.png')