chezahuynya1/app/zadachi/zadacha1.py

import numpy as np
import matplotlib.pyplot as plt

class zadacha1:
    
    def __init__(self):
        pass  # Конструктор пока пустой, при необходимости можно добавить параметры
    
    # Метод для генерации линейного массива данных
    def create_lin_array(self, b0=2, b1=4, N=500, noise_std=10):
        """
        Генерация массива данных по линейной зависимости Y = b0 + b1 * X + error
        :param b0: свободный коэффициент
        :param b1: коэффициент при X
        :param N: количество точек данных
        :param noise_std: стандартное отклонение для случайной ошибки
        :return: массивы X и Y
        """
        X = np.linspace(1, 500, N)  # создаем массив X с равномерным шагом
        error = np.random.normal(0, noise_std, N)  # генерируем шум
        Y = b0 + b1 * X + error  # генерируем Y по линейному закону
        return X, Y

    # Метод для генерации квадратичного массива данных
    def create_sqr_array(self, a=1, b=3, c=2, N=500, noise_std=10):
        """
        Генерация массива данных по квадратичной зависимости Y = a * X^2 + b * X + c + error
        :param a: коэффициент при X^2
        :param b: коэффициент при X
        :param c: свободный коэффициент
        :param N: количество точек данных
        :param noise_std: стандартное отклонение для случайной ошибки
        :return: массивы X и Y
        """
        X = np.linspace(1, 500, N)  # создаем массив X
        error = np.random.normal(0, noise_std, N)  # генерируем шум
        Y = a * X**2 + b * X + c + error  # генерируем Y по квадратичному закону
        return X, Y

    # Метод для отображения графика линейных данных
    def plot_lin_data(self, b0=2, b1=4, N=500, noise_std=10):
        """
        Отображение сгенерированных линейных данных и теоретической линии
        """
        X, Y = self.create_lin_array(b0, b1, N, noise_std)  # Генерация данных
        plt.scatter(X, Y)  # График рассеяния
        plt.plot(X, b0 + b1 * X, color='red')  # Линейная функция без шума
        plt.title("Линейная зависимость с шумом")
        plt.show()

    # Метод для отображения графика квадратичных данных
    def plot_sqr_data(self, a=1, b=3, c=2, N=500, noise_std=10):
        """
        Отображение сгенерированных квадратичных данных и теоретической кривой
        """
        X, Y = self.create_sqr_array(a, b, c, N, noise_std)  # Генерация данных
        plt.scatter(X, Y)  # График рассеяния
        plt.plot(X, a * X**2 + b * X + c, color='red')  # Квадратичная функция без шума
        plt.title("Квадратичная зависимость с шумом")
        plt.show()