始める無料で始める

シミュレーション結果と過去データの比較

良いシミュレーションは、過去のデータと近い結果になります。ビデオで行ったシミュレーションはその通りでしたか？この演習では、シミュレーション結果を確認する1つの方法を試して確かめます。

まず、多変量正規分布と dia の平均・共分散行列を使ってシミュレーションを行います。続いて、過去データとシミュレーションデータの平均を確認します。似ているでしょうか？

糖尿病データセットは DataFrame の dia として読み込まれており、pandas は pd、numpy は np、scipy.stats は st としてインポート済みです。

この演習はコースの一部です

Pythonで学ぶモンテカルロ・シミュレーション

コースを見る

演習の手順

  • dia の平均と共分散行列を用い、多変量正規分布で1万回のシミュレーションを実行します。
  • pandas の .mean() 関数を使って、過去データ dia の bmi と tc 列、および df_results のシミュレーション結果の bmi と tc の平均値を計算し、類似しているかを確認します。
  • 同様に、pandas の .cov() を使って、dia の bmi と tc 列、および df_results のシミュレーション結果の bmi と tc の共分散行列を計算し、類似しているかを確認します。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

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(____)
コードを編集して実行