Scipy relativ risiko

Dataanalyse er nøkkelfunksjonen ved maskinlæring og datavitenskapelig emne. Python -programmeringsspråk gir mange nyttige biblioteker tilknyttet noen utrolige funksjoner som fungerer bra for maskinlæringsalgoritmer. Generelt er risikoen forekomsten av noe galt, og risikoanalyse er analysen av risikoen forbundet med en hendelse. For risikoanalysen må de negative og positive tilfellene vurderes. Mot slutten av denne artikkelen vil du kunne forstå hva den relative risikoen er og hvordan den kan implementeres i et Python -program.

Hva er relativ risiko?

Relativ risiko er målet på risikoen forbundet med en hendelse som skjer i to forskjellige grupper. For eksempel skjedde en viss hendelse, og virkningen av virkningen blir observert i to forskjellige grupper. Målet på risiko forbundet med hendelsen som skjer i disse to gruppene er risikoanalysen. Med andre ord, risikoanalyse er forholdet mellom risikoen forbundet med en hendelse som skjedde for eksponeringsgruppen for risikoen forbundet med den samme hendelsen som skjedde for den ikke-eksponerte gruppen. For eksempel er den relative risikoen for å utvikle ryggsmerter høyere hos arbeidere enn hos andre mennesker. Risikoanalysen eller risikoforholdet beregnes ved å dele risikoen i gruppe én etter risiko i gruppe to. Dette er den ueksponerte gruppen og den utsatte gruppen.

Hvordan finne den relative risikoen i et Python -program?

Som tidligere diskutert, er relativ risiko sammenligningen mellom to grupper - den ene gruppen blir utsatt for endringen, og den andre blir ikke utsatt for endringen. Med enkle ord er den ene gruppen den eksperimentelle gruppen og den andre er sammenligningsgruppen. Det ligner forholdet mellom primærgruppen og sammenligningsgruppen i to grupper. La oss prøve å forstå dette med et eksempel. Anta at 100 pasienter har den samme sykdommen, noen av dem har en ny medisin og noen av dem har ikke fått den nye medisinen. Hvis vi nå vil sjekke risikoanalysen, trenger vi følgende tabell:

	Positiv respons	Negativ respons
Eksperimentell gruppe	43	57
Kontrollert gruppe	70	30

De 43 pasientene av 100 fikk ny medisin og helsen deres viste en positiv bedring, mens 57 pasienter enten viste ingen bedring eller medisinen hadde en dårlig innvirkning på dem. På den annen side har en gruppe av andre 100 pasienter ikke fått nye medisiner. Da viser 70 av 100 god bedring mens 30 pasienter enten viser ingen bedring eller langsom utvinning. La oss nå beregne risikoen for både eksperimentelle og kontrollerte grupper:

	Positiv respons	Negativ respons	Fare
Eksperimentell gruppe	43	57	57/100 = 0.57
Kontrollert gruppe	70	30	30/100 = 0.30

Når vi beregnet risikoen for begge grupper, la oss beregne den relative risikoen. Her er formelen for å beregne den relative risikoen:

Relativ risiko = eksperimentell risiko/kontrollert risiko
Relativ risiko = 0.57/0.30 = 1.9

Vi forsto nå hva relativ risiko er og hvordan vi kan beregne den. La oss lære å finne den relative risikoen ved å bruke en Python -funksjon.

Scipy.Statistikk.Beredskap.Relativ_risk

Scipy -biblioteket i Python -programmeringsspråk gir en relativ_risk -funksjon for å automatisk og raskt beregne den relative risikoen. Relative_risk -funksjonen tilhører beredskapsklassen som lar oss utføre de forskjellige statistiske beregningene, og en av dem er den relative risikoperasjonen. Syntaksen til den relative risikofunksjonen er som følger:

Vurder nå hver parameter som en del av den samlede gruppen som vi forklarte ved hjelp av et eksempel. Parameteren "Experimental_cases" representerer den eksperimentelle gruppen som er utsatt for endringen. Parameteren "Experimental_Total" representerer de totale medlemmene av eksperimentgruppen. Parameteren "Controled_Cases" representerer gruppen som ikke er utsatt for endringen. Til slutt representerer parameteren “Controled_Total” det totale medlemmet av den kontrollerte gruppen. Relativ_risk -funksjonen returnerer relativ_risk float -attributtet. Formelen for dette er som følger:

La oss implementere relativ_risk -funksjonen i et Python -program for å hjelpe deg med å forstå hvordan du enkelt kan bruke den i henhold til ditt behov.

Eksempel 1:

Den samme informasjonen som vi ga i forrige seksjon brukes også i dette tilfellet. Dette gjøres for å vise deg resultatet som er beregnet av relativ_risk -funksjonen. Tenk på det gitte eksempelprogrammet i følgende kodebit:

Fra scipy.statistikk.Beredskap import relativt_risk
Experimental_cases = 57
Experimental_Total = 100
kontrollerte_cases = 30
kontrollert_total = 100
rr = relativ_risk (eksperimentell_caser, eksperimentell_total,
kontrollerte_cases, controlled_total)
rr.relativ_risk

Scipy.statistikk.Beredskapspakke kalles inn i programmet for å importere relativ_risk -funksjonen. Dataene for hver parameter blir deretter gitt, og hver parameter sendes til relativ_risk () -funksjonen. La oss nå se på det gitte beregnede resultatet i følgende utdrag:

Eksempel 2:

La oss endre inndataene og se resultatet av relativ_risk -funksjonen. Det hjelper oss å forstå hvordan relativ_risk -funksjonen fungerer. Tenk på følgende vedlagte prøvekodeprogram:

Fra scipy.statistikk.Beredskap import relativt_risk
Experimental_cases = 53
Experimental_Total = 100
kontrollerte_cases = 47
kontrollert_total = 100
rr = relativ_risk (eksperimentell_caser, eksperimentell_total,
kontrollerte_cases, controlled_total)
rr.relativ_risk

Som du kan merke, er programmet helt det samme; Bare dataene endres. La oss se følgende resultat:

Eksempel 3:

Funksjonen REALTIVE_RISK lar oss beregne konfidensvalen til dataene. Konfidensnivået må gis for å beregne konfidensvalen. Tenk på følgende prøve:

Fra scipy.statistikk.Beredskap import relativt_risk
Experimental_cases = 53
Experimental_Total = 100
kontrollerte_cases = 47
kontrollert_total = 100
rr = relativ_risk (eksperimentell_caser, eksperimentell_total,
kontrollerte_cases, controlled_total)
rr.tillit_interval (konfidens_level = 0.5)

Først beregnes relativ_risk. RR -variabelen kalles deretter konfidens_intervallfunksjonen ved å passere konfidensverdien for den relative risikoen. Tillitsintervallet returnerer de lave og høye nivåene av selvtillit. La oss se utgangen fra konfidensintervallfunksjonen i følgende:

Konklusjon

I denne artikkelen ga vi detaljene om å finne den relative risikoen blant de spesifiserte dataene. Den relative risikoen er beregning eller sammenligning av to grupper. Av dem blir den ene utsatt for endringen, og den andre blir ikke utsatt for endringen. Ved hjelp av et eksempelprogram forklarte vi hvordan vi finner den relative risikoen for data. Vi demonstrerte også noen Python -eksempler for å vise hvordan du finner den relative risikoen ved å bruke relativ_risk -funksjonen.