ln_peso=np.log(peso)
ln_frecuencia=np.log(2*np.pi*frecuencia)
plt.figure()
plt.scatter(ln_peso,ln_frecuencia,c='r')
plt.xlabel('log masa[Kg]')
plt.ylabel('log frecuencia[Hz]')
plt.title('log frecuencia vs log masa')
plt.show  
import matplotlib.pyplot as plt
import numpy as np
import scipy
def func (ln_peso,a,b):
    return a* ln_peso + b
popt,pcov = scipy.optimize.curve_fit(func,ln_peso,ln_frecuencia)
print(popt)
print(pcov)
plt.figure()
plt.plot(ln_peso,popt[0]*ln_peso+popt[1],color='b',label='ajuste')
plt.scatter(ln_peso,ln_frecuencia)
plt.xlabel('log masa')
plt.ylabel('log frecuencia')
plt.title('log frecuencia vs log masa')
plt.show()
print(np.sqrt(pcov[0,0]))
K=print(np.e**(popt[1]*2))
K= 1121.21055348
pendiente del grafico  =-0.17243823