Özet istatistikler

Python ile Monte Carlo Simülasyonları

Izzy Weber

Curriculum Manager, DataCamp

Yaşa göre sonuçlar

İlk ve dördüncü yaş çeyrek dilimindeki kişiler için sonuç farkı nedir? simüle sonuçlarda Age değişkeninin histogramı

Yaşa göre sonuçlar

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

39.78584463094688
57.52092642086441

Yaşa göre sonuçlar

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

Yaş ve bmi'a göre sonuç farkları

bmi ve yaşın birinci ve dördüncü çeyrek dilimlerinde olanlar için sonuç farkı nedir?
Bu fark için yüzde 95 güven aralığı ve standart sapma nedir?

Yaş ve bmi'a göre sonuç farkları

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)

Yaş ve bmi'a göre sonuç farkları

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

132.4948511247819

%95 güven aralığı:
```
np.quantile(y_diffs,0.025)
```

120.73340800299707

np.quantile(y_diffs,0.975)

144.1344994507557

Standart sapma:
```
np.std(y_diffs)
```

5.9322225537128

Sonuçların histogramı:
```
sns.histplot(y_diffs)
```

Hadi pratik yapalım!

Python ile Monte Carlo Simülasyonları