评估 BMI 结果
对于 BMI 位于最高 10% 与最低 10% 的患者，预测的疾病进展（响应变量 y）有何差异？您将使用对多元正态分布进行采样的模拟结果来回答这个问题！
模拟已经为您运行完成：您的任务是评估 df_results 中的模拟结果。
以下库已为您导入：pandas 为 pd，numpy 为 np，以及 scipy.stats 为 st。
本练习是课程的一部分
Python 中的蒙特卡洛模拟
练习说明
- 使用
np.quantile()计算模拟结果中bmi的第 10 分位数和第 90 分位数，分别保存为bmi_q10和bmi_q90。 - 使用
bmi_q10和bmi_q90来筛选df_summary，并获取预测的 y 值。
交互式实操练习
通过完成这段示例代码来试试这个练习。
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)
# Calculate the 10th and 90th quantile of bmi in the simulated results
bmi_q10 = np.quantile(df_summary["bmi"], ____)
bmi_q90 = np.quantile(df_summary["bmi"], ____)
# Use bmi_q10 and bmi_q90 to filter df_summary and obtain predicted y values
mean_bmi_q90_outcome = np.mean(df_summary[____]["predicted_y"])
mean_bmi_q10_outcome = np.mean(df_summary[____]["predicted_y"])
y_diff = mean_bmi_q90_outcome - mean_bmi_q10_outcome
print(y_diff)