Create app.py

app.py

@@ -0,0 +1,72 @@
+#Importamos librerías
+
+import streamlit as st
+import numpy as np
+import pandas as pd
+import matplotlib.pyplot as plt
+import random
+
+# Le ponemos el titulo de la app
+st.title("Trazando el Rumbo: Estimación de Tendencias desde Dos Listas de Valores Históricos")
+
+with st.form("my_form"):
+    N = st.number_input(" ¿Cuántos elementos quieres para cada lista?", step=1)
+
+    # Botón para generar el cálculo
+    if st.form_submit_button("Click para generar numeros de manera aleatoria' lists"):
+        # Genera dos listas de 100 numeros aleatorios cada uno
+        serie_a = [random.randint(0, 100) for _ in range(N)]
+        serie_b = [random.randint(0, 100) for _ in range(N)]
+
+if "serie_a" in locals() and "serie_b" in locals():
+    promedio_a = np.mean(serie_a)
+    promedio_b = np.mean(serie_b)
+
+    st.subheader("Valores esperados")
+    st.write(f"Promedio de lista A = {promedio_a:.2f}")
+    st.write(f"Promedio de lista B = {promedio_b:.2f}")
+
+    varianza_a = np.var(serie_a)
+    varianza_b = np.var(serie_b)
+
+    st.subheader("Varianzas")
+    st.write(f"Varianza de lista A = {varianza_a:.2f}")
+    st.write(f"Varianza de lista B = {varianza_b:.2f}")
+
+    correlacion_ab = np.corrcoef(serie_a, serie_b)[0, 1]
+
+    st.subheader("Correlación")
+    st.write(f"Correlación entre lista A y B = {correlacion_ab:.2f}")
+
+    plt.figure(figsize=(6, 4))
+    plt.scatter(serie_a, serie_b)
+    plt.title("Gráfico de Dispersión A vs B")
+    plt.xlabel("Serie A")
+    plt.ylabel("Serie B")
+    st.pyplot(plt)
+
+    plt.figure(figsize=(6, 4))
+    plt.plot(serie_a, label='Serie A')
+    plt.plot(serie_b, label='Serie B')
+    plt.title("Evolución de las Series")
+    plt.xlabel("Tiempo")
+    plt.ylabel("Valores")
+    plt.legend()
+    st.pyplot(plt)
+
+    w_a = (promedio_a - promedio_b + varianza_b - correlacion_ab * np.sqrt(varianza_a * varianza_b)) / (
+        varianza_a + varianza_b - 2 * correlacion_ab * np.sqrt(varianza_a * varianza_b)
+    )
+    w_b = 1 - w_a
+
+    var_portafolio = (w_a*2) * varianza_a + (w_b*2) * varianza_b + 2 * w_a * w_b * correlacion_ab * np.sqrt(varianza_a * varianza_b)
+
+    st.subheader("Ponderaciones y rendimiento del portafolio")
+    st.write("Suponiendo que A y B son rendimientos de portafolios")
+    st.write(f"Ponderación para A = {w_a:.2f}")
+    st.write(f"Ponderación para B = {w_b:.2f}")
+    st.write(f"Rendimiento esperado del portafolio = {(w_a * promedio_a + w_b * promedio_b):.2f}")
+    st.write(f"Varianza del portafolio = {var_portafolio:.2f}")
+
+else:
+    st.error("Por favor, ingresa el número de elementos para las series.")