Update src/streamlit_app.py

src/streamlit_app.py

@@ -1,40 +1,102 @@
-import altair as alt
-import numpy as np
-import pandas as pd
 import streamlit as st
+import pandas as pd
+import matplotlib.pyplot as plt
+from math import comb
+
+# -------------------------------
+# Funções auxiliares
+# -------------------------------
+def validar_probabilidade(p: float) -> None:
+    if not (0.0 <= p <= 1.0):
+        raise ValueError("Erro: probabilidade deve estar entre 0 e 1.")
+
+def validar_capacidade(capacidade: int) -> None:
+    if capacidade < 0:
+        raise ValueError("Erro: capacidade deve ser maior ou igual a zero.")
+
+def validar_passagens(vendidas: int, capacidade: int) -> None:
+    if vendidas < capacidade:
+        raise ValueError("Erro: passagens vendidas devem ser ≥ capacidade.")
+
+def formatar_pct(x: float) -> str:
+    return f"{x*100:.2f}%"
+
+# -------------------------------
+# Funções de Overbooking (Binomial)
+# -------------------------------
+def prob_overbooking(vendidas: int, capacidade: int, p: float) -> float:
+    validar_capacidade(capacidade); validar_passagens(vendidas, capacidade); validar_probabilidade(p)
+    prob = 0.0
+    for x in range(capacidade+1, vendidas+1):
+        prob += comb(vendidas, x) * (p**x) * ((1-p)**(vendidas-x))
+    return prob
+
+def curva_risco(capacidade: int, p: float, max_extra: int = 20) -> pd.DataFrame:
+    validar_capacidade(capacidade); validar_probabilidade(p)
+    dados = []
+    for vendidas in range(capacidade, capacidade+max_extra+1):
+        dados.append({"vendidas": vendidas, "risco": prob_overbooking(vendidas, capacidade, p)})
+    return pd.DataFrame(dados)
+
+def max_vendidas_com_limite(capacidade: int, p: float, limite: float = 0.07, max_extra: int = 40):
+    df = curva_risco(capacidade, p, max_extra)
+    ok = df[df["risco"] <= limite]
+    return int(ok["vendidas"].max()) if not ok.empty else None
+
+# -------------------------------
+# Layout do App
+# -------------------------------
+st.set_page_config(page_title="Overbooking (Binomial)", layout="wide")
+
+# Introdução em Markdown
+st.markdown(
+    """
+    # Análise de Distribuição Binomial  
+    ### Simulação de Overbooking em Voos  
+    ---
+    Este aplicativo permite analisar o risco de **overbooking** em voos,
+    utilizando a **Distribuição Binomial**.  
+    Ajuste os parâmetros nos controles abaixo e visualize:
+    
+    - A **probabilidade de overbooking** para um número de passagens vendidas.  
+    - A **curva de risco** conforme aumentam as vendas acima da capacidade.  
+    - O número máximo de passagens que pode ser vendido sem ultrapassar
+      o **nível de risco aceito**.
+    """
+)
+
+# Entradas
+col1, col2, col3 = st.columns(3)
+with col1:
+    capacidade = st.slider("Capacidade do Avião (assentos)", 50, 600, 120)
+with col2:
+    vendidas = st.slider("Passagens Vendidas", capacidade, capacidade+80, capacidade+10)
+with col3:
+    p = st.slider("Prob. de Comparecimento (p)", 0.5, 0.99, 0.88, 0.01)
+
+limite = st.slider("Nível de Risco Aceito", 0.0, 0.30, 0.07, 0.01)
+max_extra = st.slider("Faixa analisada (capacidade + ...)", 10, 120, 40, 5)
+
+# Cálculos
+risco_pontual = prob_overbooking(vendidas, capacidade, p)
+df = curva_risco(capacidade, p, max_extra)
+nmax = max_vendidas_com_limite(capacidade, p, limite, max_extra)
+
+# Métricas
+m1, m2, m3 = st.columns(3)
+m1.metric("Risco atual", formatar_pct(risco_pontual))
+m2.metric("Capacidade", capacidade)
+m3.metric("Máx. vendidas com risco ≤ limite", f"{nmax}" if nmax else "—")
+
+# Gráfico
+fig, ax = plt.subplots()
+ax.plot(df["vendidas"], df["risco"], marker="o")
+ax.axhline(limite, linestyle="--", color="red", label="Limite de risco")
+ax.set_xlabel("Passagens vendidas")
+ax.set_ylabel("Probabilidade de overbooking")
+ax.legend()
+st.pyplot(fig)
 
-"""
-# Welcome to Streamlit!
-
-Edit `/streamlit_app.py` to customize this app to your heart's desire :heart:.
-If you have any questions, checkout our [documentation](https://docs.streamlit.io) and [community
-forums](https://discuss.streamlit.io).
-
-In the meantime, below is an example of what you can do with just a few lines of code:
-"""
-
-num_points = st.slider("Number of points in spiral", 1, 10000, 1100)
-num_turns = st.slider("Number of turns in spiral", 1, 300, 31)
-
-indices = np.linspace(0, 1, num_points)
-theta = 2 * np.pi * num_turns * indices
-radius = indices
-
-x = radius * np.cos(theta)
-y = radius * np.sin(theta)
-
-df = pd.DataFrame({
-    "x": x,
-    "y": y,
-    "idx": indices,
-    "rand": np.random.randn(num_points),
-})
-
-st.altair_chart(alt.Chart(df, height=700, width=700)
-    .mark_point(filled=True)
-    .encode(
-        x=alt.X("x", axis=None),
-        y=alt.Y("y", axis=None),
-        color=alt.Color("idx", legend=None, scale=alt.Scale()),
-        size=alt.Size("rand", legend=None, scale=alt.Scale(range=[1, 150])),
-    ))
+# Tabela
+with st.expander("Ver tabela de valores"):
+    st.dataframe(df)