Thống kê tóm tắt

Mô phỏng Monte Carlo với Python

Izzy Weber

Curriculum Manager, DataCamp

Kết quả theo tuổi

Chênh lệch kết quả giữa nhóm tứ phân vị thứ nhất và thứ tư của tuổi là bao nhiêu? biểu đồ tần suất biến Tuổi trong kết quả mô phỏng

Kết quả theo tuổi

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

39.78584463094688
57.52092642086441

Kết quả theo tuổi

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

Chênh lệch kết quả theo tuổi và BMI

Chênh lệch kết quả giữa tứ phân vị thứ nhất và thứ tư của cả BMI và tuổi là bao nhiêu?
Khoảng tin cậy 95% và độ lệch chuẩn của chênh lệch này là bao nhiêu?

Chênh lệch kết quả theo tuổi và 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)

Chênh lệch kết quả theo tuổi và BMI

Trung bình:
```
np.mean(y_diffs)
```

132.4948511247819

Khoảng tin cậy 95%:
```
np.quantile(y_diffs,0.025)
```

120.73340800299707

np.quantile(y_diffs,0.975)

144.1344994507557

Độ lệch chuẩn:
```
np.std(y_diffs)
```

5.9322225537128

Biểu đồ tần suất kết quả:
```
sns.histplot(y_diffs)
```

Ayo berlatih!

Mô phỏng Monte Carlo với Python