BMI ve HDL sonuçlarını değerlendirme
Hem BMI'nin en yüksek %10'unda hem de HDL'nin en yüksek %25'inde olan hastalarla, hem BMI'nin en düşük %10'unda hem de HDL'nin en düşük %25'inde olan hastalar arasında öngörülen hastalık ilerlemesi (yanıt y) ne kadar farklı? Yine, bir simülasyon senin için zaten çalıştırıldı: görevin, bu soruya yanıt bulmak için df_results içindeki simülasyon sonuçlarını değerlendirmek!
Aşağıdaki kütüphaneler içe aktarıldı: pandas (pd), numpy (np) ve scipy.stats (st).
Bu egzersiz, kursun bir parçasıdır
Python ile Monte Carlo Simülasyonları
Egzersiz talimatları
- Ortalama sonuç tanımlarını tamamlamak için, hem BMI'nin en yüksek %10'unda hem de HDL'nin en yüksek %25'inde olan hastalar ve ardından hem BMI'nin en düşük %10'unda hem de HDL'nin en düşük %25'inde olan hastalar için sonuçları filtrele. Bunun için sana önceden tanımlanmış olan
hdl_q25,hdl_q75,bmi_q10,bmi_q90değerlerini kullan.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
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)