feat(browser): auto-commit con 178 cambios

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

python/functions/datascience/trend_slope.py

@@ -0,0 +1,91 @@
+"""Deteccion de tendencia en una serie via regresion lineal simple (grupo eda)."""
+
+from __future__ import annotations
+
+import math
+
+from scipy.stats import linregress
+
+
+def trend_slope(values: list, x: list = None) -> dict:
+    """Detecta la tendencia (sube/baja/plana) de una serie y su significancia.
+
+    Ajusta una regresion lineal simple (minimos cuadrados) de ``values`` sobre
+    ``x`` y resume el resultado en una direccion legible mas estadisticos. Si
+    ``x`` es ``None`` se usa el indice posicional ``0..n-1``. Los pares cuyo
+    valor (en ``values`` o ``x``) sea ``None`` o ``NaN`` se descartan antes del
+    ajuste, de modo que series con huecos se manejan sin fallar.
+
+    Funcion pura y determinista: no hace I/O, no muta los inputs.
+
+    Args:
+        values: serie de valores numericos (la variable dependiente, eje Y).
+        x: posiciones de cada valor (la variable independiente, eje X). Si es
+            ``None`` se usa ``range(len(values))``. Debe tener la misma longitud
+            que ``values`` cuando se proporciona.
+
+    Returns:
+        dict con la pendiente y el resumen de la tendencia:
+
+        - ``slope``: pendiente de la recta ajustada (float) o ``None`` si no
+          hay suficientes pares validos.
+        - ``intercept``: ordenada en el origen (float).
+        - ``r``: coeficiente de correlacion de Pearson (float).
+        - ``r_squared``: ``r**2``, fraccion de varianza explicada (float).
+        - ``p_value``: p-valor del test de pendiente nula (float).
+        - ``std_err``: error estandar de la pendiente (float).
+        - ``direction``: ``"up"`` (slope > 0 y significativa), ``"down"``
+          (slope < 0 y significativa), ``"flat"`` (no significativa) o
+          ``"unknown"`` (menos de 3 pares validos).
+        - ``significant``: ``True`` si ``p_value < 0.05``.
+        - ``n``: numero de pares validos usados en el ajuste.
+
+        Con menos de 3 pares validos devuelve
+        ``{"slope": None, "direction": "unknown", "significant": False,
+        "n": <n>}``.
+    """
+    xs_raw = list(range(len(values))) if x is None else list(x)
+    ys_raw = list(values)
+
+    xs: list[float] = []
+    ys: list[float] = []
+    for xi, yi in zip(xs_raw, ys_raw):
+        if xi is None or yi is None:
+            continue
+        if isinstance(xi, float) and math.isnan(xi):
+            continue
+        if isinstance(yi, float) and math.isnan(yi):
+            continue
+        xs.append(float(xi))
+        ys.append(float(yi))
+
+    n = len(xs)
+    if n < 3:
+        return {"slope": None, "direction": "unknown", "significant": False, "n": n}
+
+    result = linregress(xs, ys)
+    slope = float(result.slope)
+    p_value = float(result.pvalue)
+    r = float(result.rvalue)
+
+    significant = p_value < 0.05
+    if not significant:
+        direction = "flat"
+    elif slope > 0:
+        direction = "up"
+    elif slope < 0:
+        direction = "down"
+    else:
+        direction = "flat"
+
+    return {
+        "slope": slope,
+        "intercept": float(result.intercept),
+        "r": r,
+        "r_squared": r * r,
+        "p_value": p_value,
+        "std_err": float(result.stderr),
+        "direction": direction,
+        "significant": significant,
+        "n": n,
+    }