BMI- und HDL-Ergebnisse bewerten
Wie unterscheidet sich die vorhergesagte Krankheitsprogression (die Antwortvariable y) zwischen Patient:innen, die sowohl im obersten 10 %-Bereich des BMI als auch im obersten 25 %-Bereich des HDL liegen, und solchen, die sowohl im niedrigsten 10 %-Bereich des BMI als auch im niedrigsten 25 %-Bereich des HDL liegen? Auch hier wurde die Simulation bereits für dich durchgeführt: Deine Aufgabe ist es, die Simulationsergebnisse in df_results auszuwerten und die Frage zu beantworten!
Die folgenden Bibliotheken wurden importiert: pandas als pd, numpy als np und scipy.stats als st.
Diese Übung ist Teil des Kurses
Monte-Carlo-Simulationen in Python
Anleitung zur Übung
- Vervollständige die Definitionen der mittleren Ergebnisse, indem du die Resultate zunächst für Patient:innen filterst, die sowohl im obersten 10 % des BMI als auch im obersten 25 % des HDL liegen, und anschließend für Patient:innen, die sowohl im niedrigsten 10 % des BMI als auch im niedrigsten 25 % des HDL liegen. Nutze dafür
hdl_q25,hdl_q75,bmi_q10,bmi_q90, die bereits für dich definiert sind.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
simulation_results = st.multivariate_normal.rvs(mean=mean_dia, size=20000, cov=cov_dia)
df_results = pd.DataFrame(simulation_results,columns=["age", "bmi", "bp", "tc", "ldl", "hdl", "tch", "ltg", "glu"])
predicted_y = regr_model.predict(df_results)
df_y = pd.DataFrame(predicted_y, columns=["predicted_y"])
df_summary = pd.concat([df_results,df_y], axis=1)
hdl_q25 = np.quantile(df_summary["hdl"], 0.25)
hdl_q75 = np.quantile(df_summary["hdl"], 0.75)
bmi_q10 = np.quantile(df_summary["bmi"], 0.10)
bmi_q90 = np.quantile(df_summary["bmi"], 0.90)
# Complete the mean outcome definitions
bmi_q90_hdl_q75_outcome = np.mean(df_summary[(df_summary["bmi"] > bmi_q90) & (____)]____)
bmi_q10_hdl_q15_outcome = np.mean(df_summary[(df_summary["bmi"] < bmi_q10) & (____)]____)
y_diff = bmi_q90_hdl_q75_outcome - bmi_q10_hdl_q15_outcome
print(y_diff)