generar_datos_no_saturados#
- pymc_marketing.customer_choice.synthetic_data.generate_unsaturated_data(total_sales_before, total_sales_after, total_sales_sigma, treatment_time, n_observations, market_shares_before, market_shares_after, market_share_labels, random_seed=None)[fuente]#
Generar datos sintéticos para el modelo MVITS.
Notablemente, podemos definir diferentes niveles de ventas totales antes y después de la introducción del nuevo modelo.
Esta función genera datos sintéticos para el modelo MVITS, asumiendo que el mercado está no saturado, lo que significa que hay nuevas ventas por realizar.
Esto supone que las ventas totales están distribuidas normalmente alrededor de algún nivel promedio de ventas y que las cuotas de mercado son constantes a lo largo del tiempo.
- Parámetros:
- total_ventas_mu: int
El nivel promedio de ventas en el mercado.
- total_ventas_sigma: float
La desviación estándar de las ventas en el mercado.
- tiempo_de_tratamiento: int
El momento en el que se introduce el nuevo modelo.
- n_observaciones: int
El número de observaciones a generar.
- participaciones_de_mercado_antes: lista[float]
Las cuotas de mercado antes de la introducción del nuevo modelo.
- participaciones_de_mercado_despues: lista[float]
Las cuotas de mercado tras la introducción del nuevo modelo.
- etiquetas_de_cuota_de_mercado: lista[str]
Las etiquetas para las cuotas de mercado.
- semilla_aleatoria: np.random.Generator | int, opcional
El generador de números aleatorios a utilizar.
- Devoluciones:
- data:
pd.DataFrame Los datos sintéticos generados.
- data: