Statistici rezumative

Simulări Monte Carlo în Python

Izzy Weber

Curriculum Manager, DataCamp

Rezultate în funcție de vârstă

Care este diferența de rezultate între persoanele din primul și al patrulea cuantil de vârstă? histograma variabilei Vârstă în rezultatele simulate

Rezultate în funcție de vârstă

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

39.78584463094688
57.52092642086441

Rezultate în funcție de vârstă

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

Diferențe de rezultate în funcție de vârstă și IMC

Care este diferența de rezultate între persoanele din primul și al patrulea cuantil de IMC _și_ vârstă?
Care este intervalul de încredere de 95% și deviația standard pentru această diferență?

Diferențe de rezultate în funcție de vârstă și IMC

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)

Diferențe de rezultate în funcție de vârstă și IMC

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

132.4948511247819

Interval de încredere 95%:
```
np.quantile(y_diffs,0.025)
```

120.73340800299707

np.quantile(y_diffs,0.975)

144.1344994507557

Deviație standard:
```
np.std(y_diffs)
```

5.9322225537128

Histograma rezultatelor:
```
sns.histplot(y_diffs)
```

Să exersăm!

Simulări Monte Carlo în Python