Membandingkan data simulasi dan data historis

Simulasi yang baik seharusnya menghasilkan keluaran yang mirip dengan data historis. Apakah itu berlaku untuk simulasi pada video? Pada latihan ini, Anda akan menjelajahi salah satu cara menelaah hasil simulasi dan mencari tahu!

Pertama, Anda akan menjalankan simulasi menggunakan sebaran normal multivariat serta nilai mean dan matriks kovarians dari dia. Lalu, Anda akan memeriksa nilai mean dari data historis dan data hasil simulasi. Apakah keduanya serupa?

Himpunan data diabetes telah dimuat sebagai DataFrame, dia, dan 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

Jalankan simulasi sebanyak 10.000 kali menggunakan sebaran normal multivariat serta nilai mean dan matriks kovarians dari dia.
Gunakan fungsi .mean() di pandas untuk menghitung nilai mean kolom bmi dan tc pada himpunan data historis dia dan hasil simulasi bmi dan tc dari df_results untuk menilai apakah keduanya serupa.
Dengan cara serupa, gunakan .cov() dari pandas untuk menghitung matriks kovarians kolom bmi dan tc pada dia dan hasil simulasi bmi dan tc dari df_results untuk menilai apakah keduanya serupa.

Latihan interaktif praktis

Cobalah latihan ini dengan menyelesaikan kode contoh berikut.

cov_dia = dia[["age", "bmi", "bp", "tc", "ldl", "hdl", "tch", "ltg", "glu"]].cov()
mean_dia = dia[["age", "bmi", "bp", "tc", "ldl", "hdl", "tch", "ltg", "glu"]].mean()

# Complete the code to perform the simulation
simulation_results = st.multivariate_normal.rvs(____)

df_results = pd.DataFrame(simulation_results,columns=["age", "bmi", "bp", "tc", "ldl", "hdl", "tch", "ltg", "glu"])

# Calculate bmi and tc means for the historical and simulated results
print(dia[["bmi","tc"]].____)
print(____)
      
# Calculate bmi and tc covariances for the historical and simulated results
print(____)
print(____)

Edit dan Jalankan Kode