Explore os dados

Simulações de Monte Carlo em Python

Izzy Weber

Curriculum Manager, DataCamp

O conjunto de dados de diabetes

Dez variáveis independentes:

  • Idade age
  • Sexo sex
  • Índice de massa corporal bmi
  • Pressão arterial média bp
  • Seis medidas séricas: tc, ldl, hdl, tch, ltg, glu
1 Bradley Efron, Trevor Hastie, Iain Johnstone e Robert Tibshirani (2004) "Least Angle Regression", Annals of Statistics (com discussão), 407-499 2 https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html
Simulações de Monte Carlo em Python

O conjunto de dados de diabetes

Variável dependente

  • Medida quantitativa da progressão da doença um ano após a linha de base, y

 

Tamanho do conjunto de dados

  • 442 pacientes com diabetes
Simulações de Monte Carlo em Python

O conjunto de dados de diabetes

dia.head()

|     | age | sex | bmi  | bp     | tc  | ldl   | hdl  | tch  | ltg    | glu | y   |
|-----|-----|-----|------|--------|-----|-------|------|------|--------|-----|-----|
| 0   | 59  | 2   | 32.1 | 101.00 | 157 | 93.2  | 38.0 | 4.00 | 4.8598 | 87  | 151 |
| 1   | 48  | 1   | 21.6 | 87.00  | 183 | 103.2 | 70.0 | 3.00 | 3.8918 | 69  | 75  |
| 2   | 72  | 2   | 30.5 | 93.00  | 156 | 93.6  | 41.0 | 4.00 | 4.6728 | 85  | 141 |
| 3   | 24  | 1   | 25.3 | 84.00  | 198 | 131.4 | 40.0 | 5.00 | 4.8903 | 89  | 206 |
| 4   | 50  | 1   | 23.0 | 101.00 | 192 | 125.4 | 52.0 | 4.00 | 4.2905 | 80  | 135 |
1 https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html 2 http://statweb.lsu.edu/faculty/li/IIT/diabetes.txt
Simulações de Monte Carlo em Python

Por que explorar os dados antes da simulação?

  • Inspecionar visualmente a distribuição das variáveis
    • Intuição sobre a distribuição de probabilidade
  • Verificar e medir a correlação entre preditores
    • Base para modelar a estrutura de covariância
  • Verificar e medir a correlação entre preditores e a resposta
    • Entendimento inicial da relação entre preditores e resposta
Simulações de Monte Carlo em Python

Pairplot do conjunto de dados

sns.pairplot(dia)

pairplot das variáveis no conjunto dia

Simulações de Monte Carlo em Python

Pairplot do conjunto de dados

sns.pairplot(dia)

Pairplot com sexo destacado

Simulações de Monte Carlo em Python

Pairplot do conjunto de dados

sns.pairplot(dia)

pairplot com tc e ldl destacados

Simulações de Monte Carlo em Python

Correlação entre variáveis

dia.corr()

Uma matriz de correlação mostrando a correlação entre todas as variáveis em dia

Simulações de Monte Carlo em Python

Vamos praticar!

Simulações de Monte Carlo em Python

Preparing Video For Download...