Estadistica Practica Para Ciencia De Datos Y Python High Quality

def bootstrap_ic(data, n_iteraciones=1000, confianza=0.95): medias = [np.mean(np.random.choice(data, size=len(data), replace=True)) for _ in range(n_iteraciones)] alpha = 1 - confianza return np.percentile(medias, [100 alpha/2, 100 (1-alpha/2)])

: Usa Correlación Parcial para medir la relación entre dos variables eliminando el efecto de una tercera (ej: pingouin.partial_corr ). def bootstrap_ic(data, n_iteraciones=1000, confianza=0

# Calcular p-valor p_valor = stats.norm.sf(abs(z)) confianza=0.95): medias = [np.mean(np.random.choice(data

predichos = modelo.predict(X) residuos = modelo.resid def bootstrap_ic(data, n_iteraciones=1000, confianza=0