Spaces:
Sleeping
Sleeping
File size: 1,321 Bytes
4c24d9a c25c320 d70785e 5cba4a4 d70785e 5cba4a4 d70785e 5cba4a4 d70785e 5cba4a4 d70785e 5cba4a4 d70785e 5cba4a4 d70785e 5cba4a4 d70785e 5cba4a4 d70785e 5cba4a4 4c24d9a |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 |
import numpy as np
import matplotlib.pyplot as plt
# Funci贸n para analizar las variables
def analizar_variables(x1, x2):
# Convertir las listas en arrays de numpy
x1 = np.array(x1)
x2 = np.array(x2)
# Calcular la correlaci贸n entre X1 y X2
correlacion = np.corrcoef(x1, x2)[0, 1]
# Calcular promedio y desviaci贸n est谩ndar
promedio_x1 = np.mean(x1)
promedio_x2 = np.mean(x2)
desviacion_std_x1 = np.std(x1)
desviacion_std_x2 = np.std(x2)
# Crear scatter plot
plt.figure(figsize=(8, 6))
plt.scatter(x1, x2)
plt.xlabel('X1')
plt.ylabel('X2')
plt.title('Scatter Plot de X1 y X2')
plt.grid(True)
# Guardar el gr谩fico como una imagen
plt.savefig('scatter_plot.png')
return correlacion, promedio_x1, promedio_x2, desviacion_std_x1, desviacion_std_x2
# Datos de entrada
x1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
x2 = [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
# Analizar las variables
correlacion, promedio_x1, promedio_x2, desviacion_std_x1, desviacion_std_x2 = analizar_variables(x1, x2)
# Imprimir resultados
print("Correlaci贸n entre X1 y X2:", correlacion)
print("Promedio de X1:", promedio_x1)
print("Promedio de X2:", promedio_x2)
print("Desviaci贸n est谩ndar de X1:", desviacion_std_x1)
print("Desviaci贸n est谩ndar de X2:", desviacion_std_x2)
|