Vers l'approximation par grille
Félicitations ! Vous venez d'être embauché comme analyste de données au ministère de la Santé de votre gouvernement. Le cabinet envisage d'acheter un tout nouveau médicament contre un virus mortel et contagieux. Des doutes subsistent toutefois quant à l'efficacité réelle de ce médicament contre le virus. On vous a confié la tâche d'estimer son taux d'efficacité, c'est‑à‑dire le pourcentage de patientes et patients guéris grâce au médicament.
Une expérience a été rapidement mise sur pied au cours de laquelle 10 personnes malades ont été traitées avec le médicament. Une fois que vous saurez combien d'entre elles sont guéries, vous pourrez utiliser la distribution binomiale, en considérant une personne guérie comme un « succès » et le taux d'efficacité comme la « probabilité de succès ». En attendant les résultats de l'expérience, vous décidez de préparer la grille des paramètres.
numpy et pandas ont été importés pour vous sous les noms np et pd, respectivement.
Cette activité fait partie du cours
Analyse bayésienne des données en Python
Instructions de l’exercice
- À l'aide de
np.arange(), créez un tableau de tous les nombres possibles de personnes guéries (de 0 à 10) et assignez‑le ànum_patients_cured. - À l'aide de
np.arange(), créez un tableau de toutes les valeurs possibles pour le taux d'efficacité (de 0 à 1, par pas de 0,01) et assignez‑le àefficacy_rate. - Combinez
num_patients_curedetefficacy_ratedans un DataFrame appelédf, en énumérant toutes les combinaisons possibles des deux. - Assignez
["num_patients_cured", "efficacy_rate"]aux colonnes dedfet affichez‑le.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# 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)