I den senaste lektionen genomförde du en multivariat normalfördelning med hjälp av medelvärdet och kovariansmatrisen för dia. Nu ska du besvara intressanta frågor med hjälp av simuleringsresultaten!

Du kanske undrar: varför kör vi simuleringar när vi redan har historiska data? Kan vi inte bara använda datan direkt för att besvara frågorna?

Det är en berättigad fråga. Monte Carlo-simuleringar bygger på modellering med sannolikhetsfördelningar, vilket ger hela sannolikhetsfördelningen att undersöka – ett stort antal urval – i stället för det begränsade antal datapunkter som finns i de historiska data.

Du kan till exempel ställa frågor som: vad är den 0,1:a kvantilen för variabeln age hos diabetespatienterna i vår simulering? Den frågan går inte att besvara med de historiska data i dia direkt: eftersom datamängden bara innehåller 442 poster kan vi inte beräkna vilket värde som hamnar på tusende plats. I stället kan du utnyttja resultaten från en Monte Carlo-simulering – vilket du gör nu!

Diabetesdatamängden har laddats in som en DataFrame, dia, och följande bibliotek har importerats åt dig: pandas som pd, numpy som np och scipy.stats som st.

Varför behöver vi utforska datan?

Monte Carlo-simuleringar i Python

Interaktiv övning med praktiskt arbete