Mengevaluasi hasil BMI dan HDL
Apa perbedaan pada prediksi progresi penyakit (respons y) bagi pasien yang berada sekaligus pada 10% teratas BMI dan 25% teratas HDL dibandingkan dengan
mereka yang berada sekaligus pada 10% terbawah BMI dan 25% terbawah HDL? Sekali lagi, sebuah simulasi telah disiapkan untuk Anda: tugas Anda adalah mengevaluasi hasil simulasi dalam df_results untuk menemukan jawabannya!
Pustaka berikut telah diimpor: pandas sebagai pd, numpy sebagai np, dan scipy.stats sebagai st.
Latihan ini adalah bagian dari kursus
Simulasi Monte Carlo di Python
Petunjuk latihan
- Lengkapi definisi rerata keluaran dengan memfilter hasil untuk pasien yang berada sekaligus pada 10% teratas BMI dan 25% teratas HDL, lalu untuk pasien yang berada sekaligus pada 10% terbawah BMI dan 25% terbawah HDL, dengan memanfaatkan
hdl_q25,hdl_q75,bmi_q10,bmi_q90yang telah disediakan untuk Anda.
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)
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)