Update app.py

app.py

@@ -1,49 +1,45 @@
-import streamlit as st
 import numpy as np
-import pandas as pd
 import matplotlib.pyplot as plt
 
 # Función para analizar las variables
 def analizar_variables(x1, x2):
-    # Calcular los promedios de las variables
-    promedio_x1 = np.mean(x1)
-    promedio_x2 = np.mean(x2)
-
-    # Calcular el valor esperado de las variables
-    valor_esperado_x1 = np.mean(x1)
-    valor_esperado_x2 = np.mean(x2)
+    # Convertir las listas en arrays de numpy
+    x1 = np.array(x1)
+    x2 = np.array(x2)
 
-    # Calcular la desviación estándar de las variables
-    desviacion_x1 = np.std(x1)
-    desviacion_x2 = np.std(x2)
+    # Calcular la correlación entre X1 y X2
+    correlacion = np.corrcoef(x1, x2)[0, 1]
 
-    return promedio_x1, promedio_x2, valor_esperado_x1, valor_esperado_x2, desviacion_x1, desviacion_x2
+    # Calcular promedio y desviación estándar
+    promedio_x1 = np.mean(x1)
+    promedio_x2 = np.mean(x2)
+    desviacion_std_x1 = np.std(x1)
+    desviacion_std_x2 = np.std(x2)
 
-def main():
-    st.title("Análisis de Variables")
+    # 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)
 
-    # Entrada de datos
-    x1_input = st.text_input("Ingrese los valores de la variable X1 separados por comas:")
-    x2_input = st.text_input("Ingrese los valores de la variable X2 separados por comas:")
+    # Guardar el gráfico como una imagen
+    plt.savefig('scatter_plot.png')
 
-    # Convertir las entradas en listas de números
-    x1 = [float(val.strip()) for val in x1_input.split(',')]
-    x2 = [float(val.strip()) for val in x2_input.split(',')]
+    return correlacion, promedio_x1, promedio_x2, desviacion_std_x1, desviacion_std_x2
 
-    # Analizar las variables
-    promedio_x1, promedio_x2, valor_esperado_x1, valor_esperado_x2, desviacion_x1, desviacion_x2 = analizar_variables(x1, 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]
 
-    # Mostrar resultados
-    st.write(f"Promedio de X1: {promedio_x1}")
-    st.write(f"Promedio de X2: {promedio_x2}")
-    st.write(f"Valor esperado de X1: {valor_esperado_x1}")
-    st.write(f"Valor esperado de X2: {valor_esperado_x2}")
-    st.write(f"Desviación estándar de X1: {desviacion_x1}")
-    st.write(f"Desviación estándar de X2: {desviacion_x2}")
+# Analizar las variables
+correlacion, promedio_x1, promedio_x2, desviacion_std_x1, desviacion_std_x2 = analizar_variables(x1, x2)
 
-    # Visualización de datos
-    df = pd.DataFrame({"X1": x1, "X2": x2})
-    st.line_chart(df)
+# Imprimir resultados
+print("Correlación entre X1 y X2:", correlacion)
+print("Promedio de X1:", promedio_x1)
+print("Promedio de X2:", promedio_x2)
+print("Desviación estándar de X1:", desviacion_std_x1)
+print("Desviación estándar de X2:", desviacion_std_x2)
 
-if __name__ == "__main__":
-    main()