什么是蒙特卡洛模拟？它在何时最有用？在回答这些基础问题后，您将学习如何执行简单的模拟，例如估算圆周率。您还将了解重采样，这是一类特殊的蒙特卡洛模拟。

什么是 Monte Carlo 模拟？

确定性模拟

Monte Carlo 模拟的随机性

大数定律

作为 Monte Carlo 模拟的一种特殊类型：重采样

有放回抽样

重抽样结果的可视化

置换练习

运用 Monte Carlo 模拟

选项

理解蒙特卡罗模拟

成对骰子模拟

蒙特卡洛模拟入门

既然您已经能够运行简单的模拟，就可以开始探索蒙特卡洛模拟在各行业的真实应用。接着，您将深入理解优秀模拟的核心：从正确的概率分布中采样。您会学习离散型、连续型以及多元随机变量的概率分布。

Monte Carlo 流程

Monte Carlo 模拟的步骤

错误的确定性计算

错误的输入分布

生成离散型随机变量

从离散均匀分布采样

从几何分布抽样

Tom 与 Eva 的打赌

生成连续型随机变量

改变正态分布的均值

改变正态分布的标准差

两个相互独立的正态分布

生成多元随机变量

多项分布抽样

探索多元正态分布

多元正态抽样

蒙特卡洛的基础

当您对所选的概率分布感到熟悉后，就可以基于糖尿病患者特征与结局的数据集，按照一套规范化的蒙特卡洛模拟流程开展工作。您将探索数据、执行模拟，并生成汇总统计来传达您的模拟结果。

探索数据

检查 tc、ldl 和 hdl

检查 y、tc 和 cdl

为什么需要先探索数据？

选择概率分布

尝试其他候选分布

用可视化来猜测分布

比较模拟数据与历史数据

汇总统计

为什么需要进行模拟？

评估 BMI 结果

评估 BMI 与 HDL 的结果

规范化的蒙特卡洛模拟

学习如何评估您的蒙特卡洛模型，并在 Seaborn 中用清晰易读的可视化展示结果。最后，使用敏感性分析来理解模型输入变化将如何影响结果，并通过模拟练习：当销售额与通胀变化时，企业利润会受到怎样的影响。

评估分布选择

概率分布的直觉

评估 ldl 变量的分布拟合

可视化模拟结果

探索 HDL 和 BMI 的结果

用箱线图探索数据

敏感性分析

利润问题的模拟

公司敏感性分析

使用 hexbin 图进行敏感性分析

恭喜您！

模型检验与结果解读

Diabetes Factors and Outcomes

本课程以实践为主，介绍用于估计不确定事件可能结果范围的蒙特卡洛模拟。借助 SciPy 和 NumPy 等 Python 库，您可以快速、便捷地完成模拟！随着模拟技能的提升，您将把这些技能应用到一个关于糖尿病患者结局的数据集上，并用模拟结果分析不同变量如何影响糖尿病进展。您将复习概率分布，并学习如何为您的模拟选择合适的分布，还会了解输入相关性和模型敏感性的重要性。最后，您将学习如何使用广受欢迎的 Seaborn 可视化库来展示您的结论。

<h2>使用 SciPy 和 NumPy 模拟结果 </h2>
这门实用课程介绍蒙特卡洛模拟及其应用场景。 蒙特卡洛模拟用于估算不确定事件的一系列结果，而 Python 库如 SciPy 和 NumPy 让您快速轻松地创建自己的模拟！<br><br>
<h2>在有原则的模拟中应用新技能</h2>
在学习创建模拟的每一步时，你将通过对糖尿病患者结局数据集执行有原则的蒙特卡洛模拟来应用这些技能，并利用模拟结果了解不同变量如何影响糖尿病进展。
<br><br>
<h2>学习如何评估并改进你的模拟</h2>
你将回顾概率分布，并了解如何为你的模拟选择合适的分布，同时你还将认识到输入相关性和模型敏感性分析的重要性。 最后，你将学习如何使用流行的 Seaborn 可视化库来传达你的模拟结果。

运用 Monte Carlo 模拟

Create Your Free Account