Jelajahi data

Simulasi Monte Carlo di Python

Izzy Weber

Curriculum Manager, DataCamp

Dataset diabetes

Sepuluh variabel independen:

Usia age
Jenis kelamin sex
Indeks massa tubuh bmi
Tekanan darah rata-rata bp
Enam pengukuran serum darah: tc, ldl, hdl, tch, ltg, glu

¹ Bradley Efron, Trevor Hastie, Iain Johnstone and Robert Tibshirani (2004) "Least Angle Regression," Annals of Statistics (with discussion), 407-499 ² https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html

Dataset diabetes

Variabel dependen

Ukuran kuantitatif progresi penyakit satu tahun setelah baseline, y

Ukuran dataset

442 pasien diabetes

Dataset 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

Mengapa mengeksplorasi data sebelum simulasi?

Inspeksi visual distribusi variabel
- Intuisi untuk distribusi probabilitas
Periksa dan ukur korelasi antar prediktor
- Dasar untuk memodelkan struktur kovarians
Periksa dan ukur korelasi antara prediktor dan respons
- Pemahaman awal hubungan prediktor–respons

Pairplot dataset

sns.pairplot(dia)

pairplot variabel pada dataset dia

Pairplot dataset

sns.pairplot(dia)

Pairplot dengan penyorotan sex

Pairplot dataset

sns.pairplot(dia)

pairplot dengan tc dan ldl disorot

Korelasi antar variabel

dia.corr()

Matriks korelasi yang menunjukkan korelasi antar variabel di dia

Ayo berlatih!

Simulasi Monte Carlo di Python