Risque relatif de scipy

L'analyse des données est la caractéristique clé de l'apprentissage automatique et de la science des données. Le langage de programmation Python offre de nombreuses bibliothèques utiles associées à des fonctions incroyables qui fonctionnent bien pour les algorithmes d'apprentissage automatique. En général, le risque est la survenue de quelque chose de mal et l'analyse des risques est l'analyse du risque associé à un événement. Par conséquent, pour l'analyse des risques, les cas négatifs et positifs doivent être pris en compte. À la fin de cet article, vous pourrez comprendre quel est le risque relatif et comment il peut être mis en œuvre dans un programme Python.

Qu'est-ce que le risque relatif?

Le risque relatif est la mesure du risque associé à un événement qui se produit dans deux groupes différents. Par exemple, un certain événement s'est produit et son impact est observé dans deux groupes différents. La mesure du risque associé à l'événement qui se produit dans ces deux groupes est l'analyse des risques. En d'autres termes, l'analyse des risques est le rapport du risque associé à un événement qui s'est produit pour le groupe d'exposition au risque associé au même événement qui s'est produit pour le groupe non exposé. Par exemple, le risque relatif de développer des maux de dos est plus élevé chez les travailleurs que chez les autres. L'analyse des risques ou le rapport de risque est calculé en divisant le risque dans le groupe un par le risque dans le groupe deux. Ce sont le groupe non exposé et le groupe exposé.

Comment trouver le risque relatif dans un programme Python?

Comme indiqué précédemment, le risque relatif est la comparaison entre deux groupes - un groupe est exposé au changement et l'autre n'est pas exposé au changement. En termes simples, un groupe est le groupe expérimental et l'autre est le groupe de comparaison. Il ressemble au rapport du groupe primaire au groupe de comparaison en deux groupes. Essayons de comprendre cela avec un exemple. Supposons que 100 patients souffrent de la même maladie, certains d'entre eux ont obtenu un nouveau médicament et certains d'entre eux n'ont pas obtenu le nouveau médicament. Maintenant, si nous voulons vérifier l'analyse des risques, nous avons besoin du tableau suivant:

	Réponse positive	Réponse négative
Groupe expérimental	43	57
Groupe contrôlé	70	30

Les 43 patients sur 100 ont obtenu de nouveaux médicaments et leur santé a montré une récupération positive tandis que 57 patients n'ont montré aucune récupération ou le médicament a eu un mauvais impact sur eux. D'un autre côté, un groupe de 100 autres patients n'a pas reçu de nouveaux médicaments. Ensuite, 70 sur 100 montrent une bonne récupération tandis que 30 patients ne montrent aucune récupération ou une récupération lente. Maintenant, calculons le risque pour les groupes expérimentaux et contrôlés:

	Réponse positive	Réponse négative	Risque
Groupe expérimental	43	57	57/100 = 0.57
Groupe contrôlé	70	30	30/100 = 0.30

Comme nous avons calculé le risque pour les deux groupes, calculons le risque relatif. Voici la formule pour calculer le risque relatif:

Risque relatif = risque expérimental / risque contrôlé
Risque relatif = 0.57/0.30 = 1.9

Nous avons maintenant compris ce qu'est le risque relatif et comment nous pouvons le calculer. Laissez-nous apprendre à trouver le risque relatif à l'aide d'une fonction Python.

Cavalier.Statistiques.Contingence.Risque relatif

La bibliothèque SCIPY en langage de programmation Python offre une fonction relative_risk pour calculer automatiquement et rapidement le risque relatif. La fonction relative_risk appartient à la classe d'urgence qui nous permet d'effectuer les différents calculs statistiques et l'un d'eux est le calcul relatif au risque. La syntaxe de la fonction de risque relative est la suivante:

Maintenant, considérons chaque paramètre comme une section du groupe global que nous avons expliqué à l'aide d'un exemple. Le paramètre «Experimental_cases» représente le groupe expérimental qui est exposé au changement. Le paramètre «expérimental_total» représente le total des membres du groupe expérimental. Le paramètre "Controlled_casas" représente le groupe qui n'est pas exposé au changement. Enfin, le paramètre «contrôlé_total» représente le membre total du groupe contrôlé. La fonction relative_risk renvoie l'attribut float relatif_risk. La formule est la suivante:

Laissez-nous implémenter la fonction relative_risk dans un programme Python pour vous aider à comprendre comment vous pouvez facilement l'utiliser en fonction de vos besoins.

Exemple 1:

Les mêmes informations que nous avons fournies dans la section précédente sont également utilisées dans ce cas également. Ceci est fait pour vous montrer le résultat calculé par la fonction relative_risk. Considérez le programme d'échantillon donné dans l'extrait de code suivant:

de Scipy.Statistiques.Importation d'urgence relative_risk
Experimental_cases = 57
expérimental_total = 100
contrôlé_cases = 30
contrôlé_total = 100
rr = relative_risk (expérimental_cases, expérimental_total,
Controlled_cases, Controlled_Total)
rr.risque relatif

Le scipy.Statistiques.Le package de contingence est appelé dans le programme pour importer la fonction relative_risk. Les données de chaque paramètre sont ensuite fournies et chaque paramètre est transmis à la fonction relative_risk (). Maintenant, regardons le résultat calculé donné dans l'extrait suivant:

Exemple 2:

Changeons les données d'entrée et voyons le résultat de la fonction relative_risk. Cela nous aide à comprendre comment fonctionne la fonction relative_risk. Considérez l'exemple de programme de code ci-joint suivant:

de Scipy.Statistiques.Importation d'urgence relative_risk
expérimental_cases = 53
expérimental_total = 100
contrôlé_cases = 47
contrôlé_total = 100
rr = relative_risk (expérimental_cases, expérimental_total,
Controlled_cases, Controlled_Total)
rr.risque relatif

Comme vous pouvez le noter, le programme est complètement le même; Seules les données sont modifiées. Voyons le résultat suivant:

Exemple 3:

La fonction realtive_risk nous permet de calculer la confiance_interval des données. La confiance_level doit être fournie pour calculer la confiance_interval. Considérez l'échantillon suivant:

de Scipy.Statistiques.Importation d'urgence relative_risk
expérimental_cases = 53
expérimental_total = 100
contrôlé_cases = 47
contrôlé_total = 100
rr = relative_risk (expérimental_cases, expérimental_total,
Controlled_cases, Controlled_Total)
rr.confiance_interval (confiance_level = 0.5)

Tout d'abord, le relatif_risk est calculé avec la fonction relative_risk et le résultat est stocké dans la variable RR. La variable RR est ensuite appelée fonction de confiance_interval en passant la valeur de confiance_level pour le risque relatif. La confiance_interval renvoie les niveaux de confiance bas et élevés. Voyons la sortie de la fonction confiance_interval dans ce qui suit:

Conclusion

Dans cet article, nous avons fourni les détails sur la recherche du risque relatif parmi les données spécifiées. Le risque relatif est le calcul ou la comparaison de deux groupes. Parmi eux, l'un est exposé au changement et l'autre n'est pas exposé au changement. À l'aide d'un exemple de programme, nous avons expliqué comment trouver le risque relatif de données. Nous avons également démontré quelques exemples Python pour montrer comment trouver le risque relatif en utilisant la fonction relative_risk.