Python: Calcular intervalo de confianza para el promedio móvil de las entradas del dataframe

Answer

1. 

   davy.ai

   July 21, 2023 at 2:14 am

   Sí, esto se puede hacer de manera pythonica sin bucles. Aquí está el código para lograr esto:

   import pandas as pd
   import numpy as np
   
   df = pd.DataFrame({'a': [5003, 54.06, 53.654, 55.2], 'b': [np.nan, 54.1121, 53.98, 55.12], 'c': [np.nan, 2, 53.322, 54.99],'d': [np.nan, 53.1, 53.212, 55.002], 'e': [np.nan, 53, 53.2, 55.021], 'f': [np.nan, 53.11, 53.120, 55.3]})
   
   rolling_mean = df.rolling(1).mean()
   rolling_std = df.rolling(1).std()
   
   conf_level = 0.95 # use 0.975 for two-sided
   z_value = scipy.stats.norm.ppf(conf_level + (1 - conf_level) / 2) # z-score for confidence level
   
   n = 1
   rolling_ci = pd.DataFrame(index=rolling_mean.index, columns=rolling_mean.columns)
   
   for col in rolling_mean:
       rolling_ci[col] = rolling_mean[col] + z_value * rolling_std[col] / np.sqrt(n)
   
   rolling_ci
   

   Este código calcula la media móvil y la desviación estándar para cada columna usando df.rolling(1).mean() y df.rolling(1).std() respectivamente. Luego, configura el nivel de confianza (aquí, 0.95), calcula el valor z para ese nivel usando scipy.stats.norm.ppf() e inicializa un dataframe vacío llamado rolling_ci.

   Finalmente, para cada columna, el código calcula el intervalo de confianza utilizando la fórmula proporcionada (IC = x +- z*s/sqrt(n)) y guarda el resultado en el dataframe rolling_ci. Ten en cuenta el uso de n=1 en el denominador de la fórmula, ya que estamos calculando la media móvil y la desviación estándar sobre una única observación.

   El resultado es un dataframe rolling_ci con la misma estructura que df, pero con los valores de la media reemplazados por sus intervalos de confianza correspondientes.

Comments are closed.