评估 BMI 与 HDL 的结果
对于同时位于 BMI 前 10% 且 HDL 前 25% 的患者，与同时位于 BMI 后 10% 且 HDL 后 25% 的患者相比，预测的疾病进展（响应 y）有多大差异？同样，模拟已经为您完成。您的任务是评估 df_results 中的模拟结果，回答这个问题！
以下库已导入：pandas 作为 pd，numpy 作为 np，以及 scipy.stats 作为 st。
本练习是课程的一部分
Python 中的蒙特卡洛模拟
练习说明
- 请补全均值结果的定义：先筛选出同时位于 BMI 前 10% 且 HDL 前 25% 的患者，再筛选出同时位于 BMI 后 10% 且 HDL 后 25% 的患者。请使用已为您定义好的
hdl_q25、hdl_q75、bmi_q10、bmi_q90。
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)
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)