Verso l’approssimazione a griglia
Congratulazioni! Sei appena stato assunto come data analyst presso il Ministero della Salute del tuo paese. Il governo sta valutando l’acquisto di un farmaco nuovissimo contro un virus letale e contagioso. Ci sono però dei dubbi su quanto sia efficace il nuovo farmaco contro il virus. Ti è stato chiesto di stimarne il tasso di efficacia, cioè la percentuale di pazienti guariti grazie al farmaco.
È stato rapidamente organizzato un esperimento in cui 10 pazienti malati sono stati trattati con il farmaco. Una volta saputo quanti di loro sono guariti, potrai usare la distribuzione binomiale considerando un paziente guarito come un "successo" e il tasso di efficacia come la "probabilità di successo". Mentre aspetti i risultati dell’esperimento, decidi di preparare la griglia dei parametri.
numpy e pandas sono già stati importati come np e pd, rispettivamente.
Questo esercizio fa parte del corso
Analisi dei dati bayesiana in Python
Istruzioni dell'esercizio
- Usando
np.arange(), crea un array con tutti i possibili numeri di pazienti guariti (da 0 a 10) e assegnalo anum_patients_cured. - Usando
np.arange(), crea un array con tutti i possibili valori del tasso di efficacia (da 0 a 1, a passi di 0,01) e assegnalo aefficacy_rate. - Combina
num_patients_curededefficacy_ratein un DataFrame chiamatodf, elencando tutte le possibili combinazioni dei due. - Assegna
["num_patients_cured", "efficacy_rate"]alle colonne didfe stampalo.
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
# 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)