Utforska datan

Monte Carlo-simuleringar i Python

Izzy Weber

Curriculum Manager, DataCamp

Diabetesdataset

Tio oberoende variabler:

  • Ålder age
  • Kön sex
  • Kroppsmasseindex bmi
  • Genomsnittligt blodtryck bp
  • Sex blodserumsväden: tc, ldl, hdl, tch, ltg, glu
1 Bradley Efron, Trevor Hastie, Iain Johnstone och Robert Tibshirani (2004) "Least Angle Regression," Annals of Statistics (med diskussion), 407-499 2 https://www4.stat.ncsu.edu/~boos/var.select/diabetes.html
Monte Carlo-simuleringar i Python

Diabetesdataset

Beroende variabel

  • Ett kvantitativt mått på sjukdomsutveckling ett år efter baslinjen, y

 

Datamängdens storlek

  • 442 diabetespatienter
Monte Carlo-simuleringar i Python

Diabetesdataset

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
Monte Carlo-simuleringar i Python

Varför utforska datan före simulering?

  • Inspektera variablernas fördelning visuellt
    • Intuitiv bild av sannolikhetsfördelningen
  • Kontrollera och mät korrelationen mellan prediktorvariabler
    • Underlag för modellering av kovariansstruktur
  • Kontrollera och mät korrelationen mellan prediktorer och utfallet
    • Inledande förståelse för sambandet mellan prediktorer och utfall
Monte Carlo-simuleringar i Python

Pairplot över datamängden

sns.pairplot(dia)

pairplot över variablerna i dia-datamängden

Monte Carlo-simuleringar i Python

Pairplot över datamängden

sns.pairplot(dia)

Pairplot med kön markerat

Monte Carlo-simuleringar i Python

Pairplot över datamängden

sns.pairplot(dia)

pairplot med tc och ldl markerade

Monte Carlo-simuleringar i Python

Korrelationer mellan variabler

dia.corr()

En korrelationsmatris som visar korrelationen mellan alla variabler i dia

Monte Carlo-simuleringar i Python

Nu kör vi en övning!

Monte Carlo-simuleringar i Python

Preparing Video For Download...