Update app.py

app.py

@@ -271,8 +271,15 @@ class RSM_BoxBehnken:
         Genera un diagrama de Pareto para los efectos usando estadísticos F,
         incluyendo la línea de significancia.
         """
-        # Calcular los estadísticos F para cada término
-        fvalues = model.fvalues[1:]  # Excluir la Intercept
+        # Calcular los estadísticos F para cada término manualmente
+        # Necesitamos los coeficientes, los errores estándar y los grados de libertad del error
+        coef = model.params[1:]  # Excluir la Intercept
+        stderr = model.bse[1:]   # Excluir la Intercept
+        df_resid = model.df_resid
+        
+        # Calcular F = (coef / stderr)^2
+        fvalues = (coef / stderr) ** 2
+        
         abs_fvalues = np.abs(fvalues)
         sorted_idx = np.argsort(abs_fvalues)[::-1]
         sorted_fvalues = abs_fvalues[sorted_idx]
@@ -284,7 +291,7 @@ class RSM_BoxBehnken:
         # Calcular el valor crítico de F para la línea de significancia
         alpha = 0.05  # Nivel de significancia
         dof_num = 1  # Grados de libertad del numerador (cada término)
-        dof_den = model.df_resid  # Grados de libertad residuales
+        dof_den = df_resid  # Grados de libertad residuales
         f_critical = f.ppf(1 - alpha, dof_num, dof_den)
 
         # Crear el diagrama de Pareto
@@ -931,5 +938,4 @@ def main():
     interface.launch(share=True)
 
 if __name__ == "__main__":
-    main()
-    
+    main()