Ocena wyników BMI i HDL
Jaka jest różnica w przewidywanym postępie choroby (odpowiedź y) między pacjentami znajdującymi się jednocześnie w górnych 10% BMI i górnych 25% HDL a pacjentami znajdującymi się jednocześnie w dolnych 10% BMI i dolnych 25% HDL? Podobnie jak wcześniej, symulacja została już wykonana za ciebie – twoim zadaniem jest ocena wyników symulacji zapisanych w df_results w celu znalezienia odpowiedzi na to pytanie!
Zaimportowano następujące biblioteki: pandas jako pd, numpy jako np oraz scipy.stats jako st.
To ćwiczenie jest częścią kursu
Symulacje Monte Carlo w Pythonie
Instrukcje do ćwiczenia
- Uzupełnij definicje średnich wyników, filtrując rezultaty dla pacjentów znajdujących się jednocześnie w górnych 10% BMI i górnych 25% HDL, a następnie dla pacjentów z dolnych 10% BMI i dolnych 25% HDL. Skorzystaj ze zdefiniowanych już zmiennych:
hdl_q25,hdl_q75,bmi_q10,bmi_q90.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)