Mengevaluasi luaran BMI

Apa perbedaan prediksi progresi penyakit (respon, y) untuk pasien yang berada pada 10% teratas BMI dibandingkan dengan 10% terbawah BMI? Anda akan menggunakan hasil simulasi yang melakukan sampling dari sebaran normal multivariat untuk menjawab pertanyaan ini!

Simulasi sudah dijalankan untuk Anda: tugas Anda adalah mengevaluasi hasil simulasi di df_results.

Pustaka berikut telah diimpor untuk Anda: pandas sebagai pd, numpy sebagai np, dan scipy.stats sebagai st.

Latihan ini adalah bagian dari kursus

Simulasi Monte Carlo di Python

Lihat Kursus

Petunjuk latihan

Gunakan np.quantile() untuk menghitung kuantil ke-10 dan ke-90 dari bmi pada hasil simulasi, lalu simpan sebagai bmi_q10 dan bmi_q90.
Gunakan bmi_q10 dan bmi_q90 untuk memfilter df_summary dan memperoleh nilai y terprediksi.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

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)

# Calculate the 10th and 90th quantile of bmi in the simulated results
bmi_q10 = np.quantile(df_summary["bmi"], ____)
bmi_q90 = np.quantile(df_summary["bmi"], ____)

# Use bmi_q10 and bmi_q90 to filter df_summary and obtain predicted y values
mean_bmi_q90_outcome = np.mean(df_summary[____]["predicted_y"]) 
mean_bmi_q10_outcome = np.mean(df_summary[____]["predicted_y"])
y_diff = mean_bmi_q90_outcome - mean_bmi_q10_outcome
print(y_diff)

Edit dan Jalankan Kode