Порівняння змодельованих і історичних даних

Якісна симуляція має давати результати, подібні до історичних даних. Чи було це справедливим для симуляції у відео? У цій вправі ви дослідите один зі способів перевірити результати симуляції й з'ясуєте це!

Спочатку ви виконаєте симуляцію, використовуючи багатовимірний нормальний розподіл і вектори середніх та матрицю коваріацій dia. Потім перевірите середні значення як для історичних даних, так і для змодельованих. Вони подібні?

Набір даних про діабет завантажено як датафрейм dia, а також для вас імпортовано такі бібліотеки: pandas як pd, numpy як np і scipy.stats як st.

Ця вправа є частиною курсу

Моделювання Монте-Карло в Python

Переглянути курс

Інструкції до вправи

Виконайте симуляцію 10 000 разів, використовуючи багатовимірний нормальний розподіл та вектори середніх і матрицю коваріацій dia.
Скористайтеся функцією .mean() у pandas, щоб обчислити середні значення стовпців bmi і tc в історичному наборі даних dia та змодельованих результатів bmi і tc з df_results, щоб оцінити, чи вони подібні.
Аналогічно, використайте .cov() із pandas, щоб обчислити матрицю коваріацій стовпців bmi і tc у dia та змодельованих результатів bmi і tc з df_results, щоб оцінити, чи вони подібні.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

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(____)

Редагувати та запускати код