Ir al contenido principal
Español— Elegir un idioma
Menú

Casos de uso prácticos

Lección 16 de 16 Actualizado el 30 de julio de 2026 Desarrollador
En esta página
  1. Ejecución de código en producción
  2. Análisis financiero
  3. Análisis estadístico
  4. Cálculo científico
  5. Procesamiento y limpieza de datos
  6. Arquitectura de flujo de trabajo completo
  7. Puntos clave
  8. Pon a prueba tus conocimientos

Ejecución de código en producción

Esta última lección aborda casos de uso prácticos de la ejecución de código para ofrecerte una visión clara de lo que puedes construir. Cada ejemplo ilustra un dominio de aplicación junto con el prompt y la lógica asociados.

Análisis financiero

Optimización de carteras

La ejecución de código es especialmente adecuada para la modelización financiera. El entorno aislado incluye NumPy y SciPy, que gestionan los cálculos de optimización necesarios:

input_text = """
Cartera de 5 activos con los siguientes rendimientos mensuales (12 meses):

Activo A: [2.1, -0.5, 1.8, 3.2, -1.1, 2.5, 0.8, 1.2, -0.3, 2.8, 1.5, 0.9]
Activo B: [1.5, 0.2, 2.1, 1.8, 0.5, 1.2, 2.3, -0.1, 1.6, 0.8, 1.9, 2.2]
Activo C: [-0.3, 3.5, -1.2, 4.1, -0.8, 2.9, -0.5, 3.2, -1.0, 3.8, -0.2, 2.7]
Activo D: [0.8, 0.9, 0.7, 1.1, 0.6, 0.8, 1.0, 0.5, 0.9, 0.7, 1.2, 0.8]
Activo E: [3.5, -2.1, 4.2, -1.5, 3.8, -0.9, 2.7, -1.8, 3.1, -0.5, 4.5, -1.2]

Calcula:
1. La matriz de correlación entre activos
2. La cartera de varianza mínima
3. La cartera óptima (máximo ratio de Sharpe, tipo libre de riesgo = 4 % anual)
4. La frontera eficiente (10 puntos)

Presenta las asignaciones como porcentajes.
"""

El modelo escribirá código utilizando NumPy para la matriz de correlación y SciPy para la optimización con restricciones.

Ratio de Sharpe e indicadores de riesgo

input_text = """
Rendimientos diarios de un fondo durante 20 días:
[0.12, -0.05, 0.08, 0.15, -0.03, 0.22, -0.11, 0.06, 0.09, -0.07,
 0.14, 0.03, -0.08, 0.18, 0.01, -0.04, 0.11, 0.07, -0.02, 0.13]

Calcula el ratio de Sharpe, el ratio de Sortino, el valor en riesgo (95 %)
y la máxima caída (drawdown). Tipo libre de riesgo anual = 4 %.
"""

Análisis estadístico

Contraste de hipótesis

SciPy te permite realizar contrastes estadísticos rigurosos:

input_text = """
Grupo A (tratamiento): [85, 88, 91, 87, 93, 89, 86, 92, 90, 88]
Grupo B (control): [78, 82, 80, 85, 79, 83, 81, 77, 84, 80]

Realiza un contraste t de Student para determinar si la diferencia entre
los dos grupos es estadísticamente significativa (alfa = 0,05).
Incluye las hipótesis, el estadístico de contraste, el valor p y la conclusión.
"""

Regresión y predicción

input_text = """
Datos de ventas mensuales (en miles de euros):
Mes (x): [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]
Ventas (y): [45, 52, 48, 61, 55, 67, 72, 68, 75, 80, 78, 85]

1. Realiza una regresión lineal
2. Calcula R² y el error estándar
3. Predice las ventas para los meses 13, 14 y 15
4. Comprueba si la tendencia es significativa
"""

Cálculo científico

Resolución de ecuaciones diferenciales

input_text = """
Resuelve la ecuación diferencial de segundo orden:
y'' + 2y' + 5y = 0
Condiciones iniciales: y(0) = 1, y'(0) = 0
Intervalo: t de 0 a 10

Representa gráficamente la solución e identifica el comportamiento (oscilación amortiguada,
crítico, sobreamortiguado).
"""

Simulaciones de Monte Carlo

input_text = """
Simulación de Monte Carlo para estimar la probabilidad de que un proyecto
sea rentable.

Parámetros (distribuciones normales):
- Ingresos mensuales: media = 50.000 €, desviación típica = 10.000 €
- Costes fijos mensuales: 30.000 €
- Costes variables: del 15 % al 25 % de los ingresos (uniforme)
- Duración del proyecto: 12 meses

Ejecuta 10.000 simulaciones. Calcula la probabilidad de rentabilidad
y la distribución del beneficio neto. Presenta los percentiles 5, 50 y 95.
"""

Procesamiento y limpieza de datos

input_text = """
Datos brutos (CSV con problemas comunes):

name,age,salary,city
Alice,32,45000,Paris
Bob,,52000,Lyon
Charlie,28,NA,Marseille
Diana,45,62000,paris
Eve,33,48000,LYON
Frank,-5,55000,Toulouse
Grace,29,999999,Bordeaux

1. Identifica y gestiona los valores faltantes
2. Corrige inconsistencias (edad negativa, salario atípico)
3. Normaliza los nombres de ciudad (mayúsculas y minúsculas consistentes)
4. Calcula estadísticos descriptivos sobre los datos limpios
5. Documenta cada transformación realizada
"""

Arquitectura de flujo de trabajo completo

Para aplicaciones en producción, combina herramientas en un flujo de trabajo estructurado:

  1. Búsqueda web recupera datos actualizados (precios, indicadores, noticias)
  2. Ejecución de código analiza los datos recuperados (cálculos, estadísticas, gráficos)
  3. Tu aplicación formatea y presenta los resultados al usuario

Este patrón se aplica a muchos dominios: finanzas, inteligencia competitiva, análisis de mercado, generación de informes automatizada.

Puntos clave

  • La ejecución de código destaca en el análisis financiero (Sharpe, optimización de carteras, VaR)
  • Los contrastes estadísticos y las regresiones son un caso de uso natural con SciPy
  • Las simulaciones de Monte Carlo funcionan bien dentro de los límites de memoria del entorno aislado
  • La limpieza de datos con Pandas es un caso de uso práctico diario
  • Combina Búsqueda web + Ejecución de código para flujos de trabajo automatizados completos
  • Proporciona datos estructurados e instrucciones precisas para obtener mejores resultados

Pon a prueba tus conocimientos

Web, X, código: las herramientas de servidor de Grok en cinco comprobaciones.

1. ¿Cuáles son las dos categorías de herramientas de Grok?

Respuesta: Herramientas integradas, ejecutadas en el servidor por xAI (búsqueda web, búsqueda en X, ejecución de código), y tus funciones personalizadas, ejecutadas por tu código: dos mundos que se combinan.

2. ¿Cómo funciona el flujo de ejecución de una herramienta integrada?

Respuesta: En cinco pasos del lado del servidor: el modelo decide, la herramienta se ejecuta en xAI, los resultados vuelven al modelo, que responde; tú recibes la respuesta final con trazas y citas.

3. ¿Qué permiten los filtros de Búsqueda web y Búsqueda en X?

Respuesta: Delimitar fuentes: dominios permitidos en la web, cuentas y fechas en X; se controlan la actualidad y la fiabilidad, y las citas documentan cada respuesta.

4. ¿Qué puede hacer la Ejecución de código?

Respuesta: Ejecutar Python en un entorno aislado: bibliotecas comunes disponibles, restricciones de seguridad estrictas; los cálculos, transformaciones y verificaciones se delegan a código exacto.

5. ¿Qué debes supervisar en cuanto a costes?

Respuesta: Cada invocación de herramienta se factura además de los tokens: define objetivos de búsqueda, limita profundidades y activa solo las herramientas útiles para la solicitud.

Capacidades del servidor listas para usar desde el primer momento, controladas por tus filtros y presupuesto: las herramientas integradas convierten a Grok en un agente; tú sigues siendo el director.