LoslegenKostenlos loslegen

Auf dem Weg zur Gitterapproximation

Glückwunsch! Du wurdest gerade als Data Analyst im Gesundheitsministerium eingestellt. Das Kabinett erwägt den Kauf eines brandneuen Medikaments gegen ein tödliches und ansteckendes Virus. Es gibt jedoch Zweifel daran, wie wirksam das neue Medikament gegen das Virus ist. Deine Aufgabe ist es, die Wirksamkeitsrate des Medikaments zu schätzen, also den prozentualen Anteil der Patientinnen und Patienten, die durch das Medikament geheilt werden.

Ein Experiment wurde schnell aufgesetzt, in dem 10 erkrankte Personen mit dem Medikament behandelt wurden. Sobald du weißt, wie viele von ihnen geheilt sind, kannst du die Binomialverteilung verwenden, wobei eine geheilte Person ein „Erfolg“ ist und die Wirksamkeitsrate die „Erfolgswahrscheinlichkeit“ darstellt. Während du auf die Ergebnisse des Experiments wartest, bereitest du das Parameter-Gitter vor.

numpy und pandas wurden bereits als np bzw. pd importiert.

Diese Übung ist Teil des Kurses

Bayesianische Datenanalyse in Python

Kurs anzeigen

Anleitung zur Übung

  • Erstelle mit np.arange() ein Array aller möglichen Zahlen geheilter Patientinnen und Patienten (von 0 bis 10) und weise es num_patients_cured zu.
  • Erstelle mit np.arange() ein Array aller möglichen Werte für die Wirksamkeitsrate (von 0 bis 1, in 0,01-Schritten) und weise es efficacy_rate zu.
  • Kombiniere num_patients_cured und efficacy_rate zu einem DataFrame namens df, der alle möglichen Kombinationen der beiden enthält.
  • Weise df die Spalten ["num_patients_cured", "efficacy_rate"] zu und gib es aus.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# 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)
Code bearbeiten und ausführen