Simüle edilen ve tarihsel verileri karşılaştırma

İyi bir simülasyon, tarihsel verilerle benzer sonuçlar üretmelidir. Videodaki simülasyon için bu doğru muydu? Bu egzersizde, simülasyon sonuçlarını incelemenin bir yolunu keşfedecek ve öğreneceksin!

Önce, çok değişkenli normal dağılımı ve dia'nın ortalaması ile kovaryans matrisi kullanarak bir simülasyon yapacaksın. Sonra hem tarihsel hem de simüle edilen verilerin ortalamalarını kontrol edeceksin. Birbirlerine benziyorlar mı?

Diyabet veri kümesi bir DataFrame olarak dia ismiyle yüklendi ve şu kütüphaneler senin için içe aktarıldı: pandas (pd olarak), numpy (np olarak) ve scipy.stats (st olarak).

Bu egzersiz, kursun bir parçasıdır

Python ile Monte Carlo Simülasyonları

Kursa Göz Atın

Egzersiz talimatları

Çok değişkenli normal dağılımı ve dia'nın ortalaması ile kovaryans matrisi kullanarak simülasyonu 10.000 kez gerçekleştir.
Tarihsel veri kümesi dianın bmi ve tc sütunlarının ortalama değerlerini ve df_results içindeki simüle edilmiş bmi ve tc sonuçlarını pandas'taki .mean() fonksiyonuyla hesaplayarak benzer olup olmadıklarını değerlendir.
Benzer şekilde, pandas'tan .cov() kullanarak dianın bmi ve tc sütunlarının ve df_results içindeki simüle edilmiş bmi ve tc sonuçlarının kovaryans matrislerini hesaplayıp benzer olup olmadıklarını değerlendir.

Uygulamalı etkileşimli egzersiz

Bu egzersizi bu örnek kodu tamamlayarak deneyin.

cov_dia = dia[["age", "bmi", "bp", "tc", "ldl", "hdl", "tch", "ltg", "glu"]].cov()
mean_dia = dia[["age", "bmi", "bp", "tc", "ldl", "hdl", "tch", "ltg", "glu"]].mean()

# Complete the code to perform the simulation
simulation_results = st.multivariate_normal.rvs(____)

df_results = pd.DataFrame(simulation_results,columns=["age", "bmi", "bp", "tc", "ldl", "hdl", "tch", "ltg", "glu"])

# Calculate bmi and tc means for the historical and simulated results
print(dia[["bmi","tc"]].____)
print(____)
      
# Calculate bmi and tc covariances for the historical and simulated results
print(____)
print(____)

Kodu Düzenle ve Çalıştır