问题:根据样本数据计算置信区间
我有一些样本数据,假设正态分布,我希望为它们计算一个置信区间。
我已经找到并安装了numpy和scipy软件包,并获得了numpy以返回均值和标准差(numpy.mean(data),其中data为列表)。任何关于获得样本置信区间的建议将不胜感激。
回答 0
import numpy as np
import scipy.stats
def mean_confidence_interval(data, confidence=0.95):
a = 1.0 * np.array(data)
n = len(a)
m, se = np.mean(a), scipy.stats.sem(a)
h = se * scipy.stats.t.ppf((1 + confidence) / 2., n-1)
return m, m-h, m+h
你可以这样计算
回答 1
这是shasan代码的简化版本,用于计算数组均值的95%置信区间a
:
import numpy as np, scipy.stats as st
st.t.interval(0.95, len(a)-1, loc=np.mean(a), scale=st.sem(a))
但是使用StatsModels tconfint_mean
可以说是更好的选择:
import statsmodels.stats.api as sms
sms.DescrStatsW(a).tconfint_mean()
两者的基本假设是,样本(数组a
)是独立于具有未知标准偏差的正态分布绘制的(请参阅MathWorld或Wikipedia)。
对于大样本量n,样本均值是正态分布的,并且可以使用st.norm.interval()
(如Jaime的评论中所建议的)计算其置信区间。但是上述解决方案对于较小的n也是正确的,n st.norm.interval()
给出的置信区间太窄(即“假置信度”)。有关更多详细信息,请参阅我对类似问题的回答(以及此处的Russ的评论之一)。
这是一个示例,其中正确的选项给出(基本上)相同的置信区间:
In [9]: a = range(10,14)
In [10]: mean_confidence_interval(a)
Out[10]: (11.5, 9.4457397432391215, 13.554260256760879)
In [11]: st.t.interval(0.95, len(a)-1, loc=np.mean(a), scale=st.sem(a))
Out[11]: (9.4457397432391215, 13.554260256760879)
In [12]: sms.DescrStatsW(a).tconfint_mean()
Out[12]: (9.4457397432391197, 13.55426025676088)
最后,使用st.norm.interval()
以下错误结果:
In [13]: st.norm.interval(0.95, loc=np.mean(a), scale=st.sem(a))
Out[13]: (10.23484868811834, 12.76515131188166)
回答 2
首先从查找表中查找所需的置信区间的z值。置信区间为,其中是您的样本均值的估计标准偏差,由给出,其中是从样本数据计算出的标准偏差,是样本量。mean +/- z*sigma
sigma
sigma = s / sqrt(n)
s
n
回答 3
从开始Python 3.8
,标准库将NormalDist
对象作为statistics
模块的一部分提供:
from statistics import NormalDist
def confidence_interval(data, confidence=0.95):
dist = NormalDist.from_samples(data)
z = NormalDist().inv_cdf((1 + confidence) / 2.)
h = dist.stdev * z / ((len(data) - 1) ** .5)
return dist.mean - h, dist.mean + h
这个:
NormalDist
从数据样本创建一个对象(NormalDist.from_samples(data)
,使我们可以通过NormalDist.mean
和访问样本的均值和标准差NormalDist.stdev
。使用累积分布函数()的反函数,针对给定的置信度,
Z-score
基于标准正态分布(用表示)计算。NormalDist()
inv_cdf
根据样本的标准偏差和平均值产生置信区间。
假设样本量足够大(可以超过100个点),以便使用标准正态分布而不是学生的t分布来计算z
值。