Začněte nyníZačněte zdarma

Na cestě ke grid aproximaci

Gratulujeme! Právě ses stal/a datovým analytikem na Ministerstvu zdravotnictví. Vláda zvažuje nákup nového léku proti smrtelnému a vysoce nakažlivému viru. Panují však pochybnosti o tom, jak účinný tento lék skutečně je. Dostáváš za úkol odhadnout míru účinnosti léku, tedy procento pacientů, které lék vyléčí.

Rychle byl připraven experiment, v němž bylo lékem ošetřeno 10 nemocných pacientů. Jakmile budeš vědět, kolik z nich se vyléčilo, můžeš použít binomické rozdělení – vyléčený pacient představuje „úspěch" a míra účinnosti je „pravděpodobnost úspěchu". Zatímco čekáš na výsledky experimentu, rozhodneš se připravit parametrickou mřížku.

numpy a pandas už jsou naimportované jako np a pd.

Toto cvičení je součástí kurzu

Bayesian Data Analysis in Python

Zobrazit kurz

Pokyny k cvičení

  • Pomocí np.arange() vytvoř pole všech možných počtů vyléčených pacientů (od 0 do 10) a přiřaď ho do proměnné num_patients_cured.
  • Pomocí np.arange() vytvoř pole všech možných hodnot míry účinnosti (od 0 do 1 s krokem 0,01) a přiřaď ho do proměnné efficacy_rate.
  • Zkombinuj num_patients_cured a efficacy_rate do DataFrame s názvem df tak, aby obsahoval všechny možné kombinace obou proměnných.
  • Přiřaď ["num_patients_cured", "efficacy_rate"] jako názvy sloupců v df a výsledek vypiš.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create cured patients array from 1 to 10
num_patients_cured = ____

# Create efficacy rate array from 0 to 1 by 0.01
efficacy_rate = ____

# Combine the two arrays in one DataFrame
df = ____([(x, y) for x in ____ for y in ____])

# Name the columns
df.columns = ____

# Print df
print(df)
Upravit a spustit kód