Kom igångKom igång gratis

Mot rutnätsapproximation

Grattis! Du har precis blivit anställd som dataanalytiker på regeringens hälsodepartement. Regeringen överväger att köpa ett nytt läkemedel mot ett dödligt och smittsamt virus. Det råder dock tvivel om hur effektivt det nya läkemedlet är. Ditt uppdrag är att uppskatta läkemedlets effektivitet, det vill säga andelen patienter som botas av läkemedlet.

Ett experiment sattes snabbt upp där 10 sjuka patienter har behandlats med läkemedlet. När du vet hur många av dem som botas kan du använda binomialfördelningen, där en botad patient räknas som en "framgång" och effektiviteten som "sannolikheten för framgång". Medan du väntar på experimentets resultat bestämmer du dig för att förbereda parameterrutnätet.

numpy och pandas har importerats åt dig som np respektive pd.

Den här övningen är en del av kursen

Bayesiansk dataanalys i Python

Visa kurs

Övningsinstruktioner

  • Använd np.arange() för att skapa en array med alla möjliga antal botade patienter (från 0 till 10) och tilldela den till num_patients_cured.
  • Använd np.arange() för att skapa en array med alla möjliga värden för effektiviteten (från 0 till 1, med steget 0,01) och tilldela den till efficacy_rate.
  • Kombinera num_patients_cured och efficacy_rate till en DataFrame som heter df, med alla möjliga kombinationer av de två.
  • Tilldela ["num_patients_cured", "efficacy_rate"] till df:s kolumner och skriv ut den.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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)
Redigera och kör kod