Estatísticas resumidas

Simulações de Monte Carlo em Python

Izzy Weber

Curriculum Manager, DataCamp

Desfechos por idade

Qual é a diferença nos desfechos para pessoas no 1º e no 4º quartis de idade? histograma da variável Age nos resultados simulados

Desfechos por idade

print(np.quantile(df_summary["age"], 0.25))
print(np.quantile(df_summary["age"], 0.75))

39.78584463094688
57.52092642086441

Desfechos por idade

age_q25 = np.quantile(df_summary["age"], 0.25)
age_q75 = np.quantile(df_summary["age"], 0.75)


mean_age_q75_outcome = np.mean(df_summary[df_summary["age"] > age_q75]["predicted_y"]) 
mean_age_q25_outcome = np.mean(df_summary[df_summary["age"] < age_q25]["predicted_y"])


mean_age_q75_outcome - mean_age_q25_outcome

34.09429663553621

Diferenças de desfecho por idade e bmi

Qual é a diferença nos desfechos para pessoas nos 1º e 4º quartis de bmi e idade?
Qual é o intervalo de confiança de 95% e o desvio padrão dessa diferença?

Diferenças de desfecho por idade e bmi

y_diffs = []
for i in range(1000):
    simulation_results = st.multivariate_normal.rvs(mean=mean_dia, size=1000, 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_sum = pd.concat([df_results, df_y], axis=1)

    age_q25 = np.quantile(df_sum["age"], 0.25)
    age_q75 = np.quantile(df_sum["age"], 0.75)
    bmi_q25 = np.quantile(df_sum["bmi"], 0.25)
    bmi_q75 = np.quantile(df_sum["bmi"], 0.75)

    q75_outcome = np.mean(df_sum[(df_sum["bmi"] > bmi_q75) & (df_sum["age"] > age_q75)]["predicted_y"]) 
    q25_outcome = np.mean(df_sum[(df_sum["bmi"] < bmi_q25) & (df_sum["age"] < age_q25)]["predicted_y"])

    y_diff = q75_outcome - q25_outcome 
    y_diffs.append(y_diff)

Diferenças de desfecho por idade e bmi

Média:
```
np.mean(y_diffs)
```

132.4948511247819

Intervalo de confiança de 95%:
```
np.quantile(y_diffs,0.025)
```

120.73340800299707

np.quantile(y_diffs,0.975)

144.1344994507557

Desvio padrão:
```
np.std(y_diffs)
```

5.9322225537128

Histograma dos resultados:
```
sns.histplot(y_diffs)
```

Vamos praticar!

Simulações de Monte Carlo em Python