Utvärdera utfall för BMI och HDL
Vad är skillnaden i den förutsagda sjukdomsprogressionen (responsvariabeln y) för patienter som befinner sig i både de översta 10 % av BMI och de översta 25 % av HDL, jämfört med de som befinner sig i både de lägsta 10 % av BMI och de lägsta 25 % av HDL? En simulering har redan utförts åt dig – din uppgift är att utvärdera simuleringsresultaten i df_results för att hitta svaret på den här frågan!
Följande bibliotek har importerats: pandas som pd, numpy som np och scipy.stats som st.
Den här övningen är en del av kursen
Monte Carlo-simuleringar i Python
Övningsinstruktioner
- Fyll i definitionerna för medelutfall genom att filtrera resultaten för patienter som befinner sig i både de översta 10 % av BMI och de översta 25 % av HDL, och sedan för patienter som befinner sig i både de lägsta 10 % av BMI och de lägsta 25 % av HDL. Använd
hdl_q25,hdl_q75,bmi_q10ochbmi_q90, som redan är definierade åt dig.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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)