Samenvattende statistieken

Monte Carlo-simulaties in Python

Izzy Weber

Curriculum Manager, DataCamp

Leeftijdsuitkomsten

Wat is het verschil in uitkomsten voor mensen in het eerste en vierde leeftijdskwartiel? histogram van de variabele Age in de gesimuleerde resultaten

Leeftijdsuitkomsten

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

39.78584463094688
57.52092642086441

Leeftijdsuitkomsten

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

Uitkomstverschillen op basis van leeftijd en bmi

Wat is het verschil in uitkomsten voor mensen in het eerste en vierde kwartiel van bmi én leeftijd?
Wat zijn het 95%-betrouwbaarheidsinterval en de standaarddeviatie voor dit verschil?

Uitkomstverschillen op basis van leeftijd en 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)

Uitkomstverschillen op basis van leeftijd en bmi

Gemiddelde:
```
np.mean(y_diffs)
```

132.4948511247819

95%-betrouwbaarheidsinterval:
```
np.quantile(y_diffs,0.025)
```

120.73340800299707

np.quantile(y_diffs,0.975)

144.1344994507557

Standaarddeviatie:
```
np.std(y_diffs)
```

5.9322225537128

Histogram van de resultaten:
```
sns.histplot(y_diffs)
```

Laten we oefenen!

Monte Carlo-simulaties in Python