Оценка показателей ИМТ и ЛПВП
Какова разница в прогнозируемом прогрессировании диабета (отклик y) у пациентов, входящих одновременно в топ 10% по ИМТ и в топ 25% по уровню ЛПВП, по сравнению с теми, кто входит в нижние 10% по ИМТ и нижние 25% по уровню ЛПВП? Симуляция уже выполнена за вас: ваша задача — проанализировать её результаты в df_results и найти ответ на этот вопрос!
Следующие библиотеки уже импортированы: pandas как pd, numpy как np и scipy.stats как st.
Это упражнение является частью курса
Симуляции Монте-Карло на Python
Инструкции к упражнению
- Завершите определения средних значений исходов, отфильтровав результаты для пациентов, входящих одновременно в топ 10% по ИМТ и топ 25% по уровню ЛПВП, а затем — для пациентов, входящих в нижние 10% по ИМТ и нижние 25% по уровню ЛПВП. Используйте уже определённые переменные
hdl_q25,hdl_q75,bmi_q10,bmi_q90.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
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)