统计学第九周：参数估计python实现

统计学第九周

1. 参数估计复习

   参数估计，根据从总体中随机取样获得样本，根据取样样本来估计总体分布中参数的过程。

   方法：估计形式上分：点估计与区间估计；估计的方法有矩法估计，最小二乘法估计，似然估计，贝叶斯估计等等

   问题一般有：

   🔽未知参数的估计量

   🔽在一定置信度下求解估计量的精度

2. 实战
   2.1

   #coding=utf-8
   
   import  pandas  as  pd
   import numpy  as  np
   import  matplotlib.pyplot  as plt
   import  seaborn as  sbn
   from scipy  import  stats
   
   plt.rcParams['font.sans-serif'] = ['SimHei']
   plt.rcParams['axes.unicode_minus']=False #解决负数坐标显示
   
   df  =  pd.read_excel('d:\\excel\\tj-week7_data.xlsx')
   print(df.head())
   
   age = df['Age']
   #print(age.mean())
   #29.64209269662921
   
   #抽取100个样本
   age_sam = age.sample(100)
   print(age_sam.describe())
   

   count    100.000000
   mean      30.635800
   std       15.160597
   min        0.750000
   25%       22.000000
   50%       28.000000
   75%       41.500000
   max       66.000000
   Name: Age, dtype: float64
   

   2.2
   #计算置信区间
   #1)、pandas.std() 默认是除以n-1 的，即是无偏的，如果想和numpy.std() 一样有偏，需要加上参数ddof=0 ，即pandas.std(ddof=0) ；DataFrame的describe()中就包含有std()；
   #2）、 numpy.std() 求标准差的时候默认是除以 n 的，即是有偏的，np.std无偏样本标准差方式为加入参数 ddof = 1；
   
   #正态分布下的置信区间
   def norm_conf(data,confidence=0.95):
       sample_mean = np.mean(data)
       sample_std = np.std(data,ddof = 1)
       sample_size = len(data)
       conf_interval = stats.norm.interval(confidence,loc=sample_mean,scale=sample_std)
       print(conf_interval)
       
   norm_conf(age)
   

   年龄在95%的置信区间维
   (1.2364661816394822, 58.04771921161894)
   

   注：scipy.stats.norm.interval

   # 求正态分布95%置信区间
   CI = stats.norm.interval(0.95, loc=mean, scale=std)
   # 随机生成1000个样本
   norm_samples = stats.norm.rvs(loc=mean, scale=std, size=1000)
   # 求gamma置信区间 gamma(a, b)
   CI_gamma = stats.gamma.interval(0.95, a, scale=1/b)
   # 随机生成1000个样本
   gamma_samples = stats.gamma.rvs(a, scale=1/b, size=1000)
   此处代码原文链接：https://blog.csdn.net/weixin_41947081/article/details/80954267
   

   可参考：

   https://www.zybuluo.com/Channelchan/note/662919

   https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.norm.html 正态分布官网

   #T分布
   #T分布下的置信区间
   def ttest_conf(data,confidence=0.95):
       sample_mean = np.mean(data)
       sample_std = np.std(data,ddof=1)
       sample_size = len(data)
       conf_interval = stats.t.interval(confidence,df = (sample_size-1),loc=sample_mean,scale=sample_std)
       print(conf_interval)
   
   ttest_conf(age)
   
   (1.1880290866314134, 58.09615630662701)
   

   2.3
   #重复抽取数据1000次，计算正态分布下的95%置信区间范围
   scale_means = []
   for _ in range(1000):#  for   _ in  range(n)：  _是占位符，表示不在意变量的值，只是循环n次
       scale_sample = age.sample(100,replace=True)
       mean = scale_sample.mean()
       scale_means.append(mean)
   #print(scale_means)
   print(norm_conf(scale_means))
   
   #(26.683871851503763, 32.56412034849624)
   
   print(ttest_conf(scale_means))
   #t分布下
   (26.82880423989253, 32.40856276010748)
   
   

   2.4
   #绘制数据sbn.set_palette("hls")#设置所有图颜色，hls色彩空间
   sbn.distplot(scale_means,color="r",bins=10,kde=True)
   plt.title('Age')
   plt.xlim(25,35)
   plt.grid(True)
   plt.show()
   

本文参考自：
https://blog.csdn.net/qq_43315928/article/details/103658733，其中主要代码来自于该链接。

问题：在计算置信区间时，已知方差和未知方差，在计算时是否需要处以根号n，？

numpy.std() 样本方差，默认就是除以n的，而方差已知则是在计算时需要转化，再处以n，确实是对的