import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from sklearn import linear_model

from sklearn.linear_model import LinearRegression

from sklearn.metrics import mean_squared_error, r2_score

x=[1, 2, 3, 4, 5, 6]

y=[7000, 9000, 5000, 11000, 10000, 13000]

z=[7]

x=np.array(x)

y=np.array(y)

z=np.array(z)

plt.scatter(x,y,label='data', color='blue')

plt.title('Distribución entre meses y demanda')

regresion_lineal = linear_model.LinearRegression()

regresion_lineal.fit(x.reshape(-1,1), y)

print('\n Parámetros del modelo de regresión')

print('b (Pendiente) = ' + str(regresion_lineal.coef_) + ', a (Punto de corte) = ' +

str(regresion_lineal.intercept_))

pronostico = regresion_lineal.predict(z.reshape(-1,1))

print('\n Pronósticos')

for i in range(len(z)):

print('Pronóstico para el periodo {0} = {1} '.format(z[i], pronostico[i]))