Explorer les données

Simulations de Monte-Carlo en Python

Izzy Weber

Curriculum Manager, DataCamp

Le jeu de données sur le diabète

Dix variables indépendantes :

Âge age
Sexe sex
Indice de masse corporelle bmi
Pression artérielle moyenne bp
Six mesures sériques : tc, ldl, hdl, tch, ltg, glu

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

Le jeu de données sur le diabète

Variable dépendante

Mesure quantitative de la progression de la maladie un an après la référence, y

Taille du jeu de données

442 patient·e·s diabétiques

Le jeu de données sur le diabète

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

Pourquoi explorer les données avant la simulation ?

Inspecter visuellement la distribution des variables
- Intuition sur la loi de probabilité
Vérifier et mesurer la corrélation entre variables prédictives
- Justifications pour modéliser la covariance
Vérifier et mesurer la corrélation entre prédicteurs et réponse
- Première compréhension du lien entre prédicteurs et réponse

Graphique en paires du jeu de données

sns.pairplot(dia)

diagramme en paires des variables du jeu de données dia

Graphique en paires du jeu de données

sns.pairplot(dia)

Graphique en paires avec sexe mis en évidence

Graphique en paires du jeu de données

sns.pairplot(dia)

graphique en paires avec tc et ldl mis en évidence

Corrélations entre variables

dia.corr()

Matrice de corrélation montrant la corrélation entre toutes les variables de dia

Passons à la pratique !

Simulations de Monte-Carlo en Python