Spaces:
Sleeping
Sleeping
Commit
•
5cba4a4
1
Parent(s):
c25c320
Update app.py
Browse files
app.py
CHANGED
@@ -1,49 +1,45 @@
|
|
1 |
-
import streamlit as st
|
2 |
import numpy as np
|
3 |
-
import pandas as pd
|
4 |
import matplotlib.pyplot as plt
|
5 |
|
6 |
# Función para analizar las variables
|
7 |
def analizar_variables(x1, x2):
|
8 |
-
#
|
9 |
-
|
10 |
-
|
11 |
-
|
12 |
-
# Calcular el valor esperado de las variables
|
13 |
-
valor_esperado_x1 = np.mean(x1)
|
14 |
-
valor_esperado_x2 = np.mean(x2)
|
15 |
|
16 |
-
# Calcular la
|
17 |
-
|
18 |
-
desviacion_x2 = np.std(x2)
|
19 |
|
20 |
-
|
|
|
|
|
|
|
|
|
21 |
|
22 |
-
|
23 |
-
|
|
|
|
|
|
|
|
|
|
|
24 |
|
25 |
-
#
|
26 |
-
|
27 |
-
x2_input = st.text_input("Ingrese los valores de la variable X2 separados por comas:")
|
28 |
|
29 |
-
|
30 |
-
x1 = [float(val.strip()) for val in x1_input.split(',')]
|
31 |
-
x2 = [float(val.strip()) for val in x2_input.split(',')]
|
32 |
|
33 |
-
|
34 |
-
|
|
|
35 |
|
36 |
-
|
37 |
-
|
38 |
-
st.write(f"Promedio de X2: {promedio_x2}")
|
39 |
-
st.write(f"Valor esperado de X1: {valor_esperado_x1}")
|
40 |
-
st.write(f"Valor esperado de X2: {valor_esperado_x2}")
|
41 |
-
st.write(f"Desviación estándar de X1: {desviacion_x1}")
|
42 |
-
st.write(f"Desviación estándar de X2: {desviacion_x2}")
|
43 |
|
44 |
-
|
45 |
-
|
46 |
-
|
|
|
|
|
|
|
47 |
|
48 |
-
if __name__ == "__main__":
|
49 |
-
main()
|
|
|
|
|
1 |
import numpy as np
|
|
|
2 |
import matplotlib.pyplot as plt
|
3 |
|
4 |
# Función para analizar las variables
|
5 |
def analizar_variables(x1, x2):
|
6 |
+
# Convertir las listas en arrays de numpy
|
7 |
+
x1 = np.array(x1)
|
8 |
+
x2 = np.array(x2)
|
|
|
|
|
|
|
|
|
9 |
|
10 |
+
# Calcular la correlación entre X1 y X2
|
11 |
+
correlacion = np.corrcoef(x1, x2)[0, 1]
|
|
|
12 |
|
13 |
+
# Calcular promedio y desviación estándar
|
14 |
+
promedio_x1 = np.mean(x1)
|
15 |
+
promedio_x2 = np.mean(x2)
|
16 |
+
desviacion_std_x1 = np.std(x1)
|
17 |
+
desviacion_std_x2 = np.std(x2)
|
18 |
|
19 |
+
# Crear scatter plot
|
20 |
+
plt.figure(figsize=(8, 6))
|
21 |
+
plt.scatter(x1, x2)
|
22 |
+
plt.xlabel('X1')
|
23 |
+
plt.ylabel('X2')
|
24 |
+
plt.title('Scatter Plot de X1 y X2')
|
25 |
+
plt.grid(True)
|
26 |
|
27 |
+
# Guardar el gráfico como una imagen
|
28 |
+
plt.savefig('scatter_plot.png')
|
|
|
29 |
|
30 |
+
return correlacion, promedio_x1, promedio_x2, desviacion_std_x1, desviacion_std_x2
|
|
|
|
|
31 |
|
32 |
+
# Datos de entrada
|
33 |
+
x1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
|
34 |
+
x2 = [10, 9, 8, 7, 6, 5, 4, 3, 2, 1]
|
35 |
|
36 |
+
# Analizar las variables
|
37 |
+
correlacion, promedio_x1, promedio_x2, desviacion_std_x1, desviacion_std_x2 = analizar_variables(x1, x2)
|
|
|
|
|
|
|
|
|
|
|
38 |
|
39 |
+
# Imprimir resultados
|
40 |
+
print("Correlación entre X1 y X2:", correlacion)
|
41 |
+
print("Promedio de X1:", promedio_x1)
|
42 |
+
print("Promedio de X2:", promedio_x2)
|
43 |
+
print("Desviación estándar de X1:", desviacion_std_x1)
|
44 |
+
print("Desviación estándar de X2:", desviacion_std_x2)
|
45 |
|
|
|
|