CommencerCommencer gratuitement

Vers l’approximation par grille

Félicitations ! Vous venez d’être embauché·e comme data analyst au ministère de la Santé. Le gouvernement 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. Votre mission est d’estimer son taux d’efficacité, c’est‑à‑dire le pourcentage de patient·es guéri·es grâce au traitement.

Une expérience a été mise en place rapidement : 10 patient·es malades ont été traité·es avec le médicament. Une fois que vous saurez combien d’entre eux·elles sont guéri·es, vous pourrez utiliser la loi binomiale en considérant qu’un·e patient·e guéri·e est un « succès » et que le taux d’efficacité est la « probabilité de succès ». En attendant les résultats de l’expérience, vous décidez de préparer la grille de paramètres.

numpy et pandas ont été importés pour vous sous les alias np et pd.

Cet exercice fait partie du cours

Analyse de données bayésienne en Python

Afficher le cours

Instructions

  • À l’aide de np.arange(), créez un tableau de toutes les valeurs possibles pour le nombre de patient·es guéri·es (de 0 à 10) et affectez‑le à num_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 affectez‑le à efficacy_rate.
  • Combinez num_patients_cured et efficacy_rate dans un DataFrame appelé df, en listant toutes les combinaisons possibles des deux.
  • Affectez ["num_patients_cured", "efficacy_rate"] aux colonnes de df et affichez‑le.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# 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)
Modifier et exécuter le code