utilidades

Funciones utilitarias para el módulo de Modelado de Mezcla de Marketing.

Funciones

add_noise_to_channel_allocation(df, canales)	Devuelve df con ruido gaussiano aditivo aplicado a las columnas channels.
adjusted_value_at_risk_score([...])	Calculate adjusted Value at Risk (AVaR) score.
apply_sklearn_transformer_across_dim(datos, ...)	Aplique un transformador de scikit-learn a través de una dimensión de un xarray DataArray.
average_response(samples, budgets)	Compute the average response of the posterior predictive distribution.
build_contributions(idata, var[, agg, ...])	Build a wide contributions DataFrame from idata.posterior variables.
conditional_value_at_risk([confidence_level])	Calculate the Conditional Value at Risk (CVaR) at a specified confidence level.
create_index(dims, take)	Cree un índice para tomar la primera dimensión de un tensor basado en las dimensiones proporcionadas.
create_new_spend_data(gasto, ...[, ...])	Cree nuevos datos de gasto para el canal de pase hacia adelante.
create_zero_dataset(modelo, fecha_de_inicio, fecha_de_fin)	Cree un DataFrame para la predicción futura, con ceros (o constantes suministradas).
diversification_ratio(samples, budgets)	Calculate the Diversification Ratio of a portfolio to evaluate risk distribution.
mean_tightness_score([alpha, confidence_level])	Calculate the Mean Tightness Score (MTS).
portfolio_entropy(samples, budgets)	Calculate the entropy of a portfolio's asset weights to assess diversification.
raroc([risk_free_rate])	Calculate the Risk-Adjusted Return on Capital (RAROC).
sharpe_ratio([risk_free_rate])	Calculate the Sharpe Ratio.
tail_distance([confidence_level])	Calculate the absolute distance between the mean and the quantiles.
transform_1d_array(transformar, y)	Transformar un array unidimensional utilizando un transformador de scikit-learn.
value_at_risk([confidence_level])	Calculate the Value at Risk (VaR) at a specified confidence level.