На пути к сеточной аппроксимации
Поздравляем! Вас только что взяли на должность аналитика данных в Министерство здравоохранения. Правительство рассматривает возможность закупки нового препарата против опасного и заразного вируса. Однако есть сомнения в том, насколько этот препарат эффективен. Перед вами стоит задача — оценить показатель эффективности препарата, то есть долю пациентов, которых он вылечил.
Для этого был быстро организован эксперимент: 10 больных пациентов прошли лечение данным препаратом. Как только станет известно, сколько из них выздоровело, вы сможете применить биномиальное распределение, где выздоровевший пациент считается «успехом», а показатель эффективности — «вероятностью успеха». Пока вы ожидаете результатов эксперимента, вы решаете подготовить параметрическую сетку.
Библиотеки numpy и pandas уже импортированы как np и pd соответственно.
Это упражнение является частью курса
Байесовский анализ данных на Python
Инструкции к упражнению
- С помощью
np.arange()создайте массив всех возможных значений числа вылеченных пациентов (от 0 до 10) и присвойте его переменнойnum_patients_cured. - С помощью
np.arange()создайте массив всех возможных значений показателя эффективности (от 0 до 1 с шагом 0,01) и присвойте его переменнойefficacy_rate. - Объедините
num_patients_curedиefficacy_rateв DataFrame с именемdf, перечислив все возможные комбинации этих двух массивов. - Присвойте столбцам
dfимена["num_patients_cured", "efficacy_rate"]и выведите результат на экран.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# 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)