二手房房价预测（置信度）

import os
os.chdir(r"E:\BaiduNetdiskDownload\6inference")

import pandas as pd
house_price_gr = pd.read_csv(r'house_price_gr.csv', encoding='gbk')
house_price_gr.head()

#先查看一下数据

dis_name	rate
0	东城区甘南小区	0.169747
1	东城区察慈小区	0.165484
2	东城区胡家园小区	0.141358
3	东城区台基厂小区	0.063197
4	东城区青年湖小区	0.101528

house_price_gr.describe()

rate
count	150.000000
mean	0.110061
std	0.041333
min	0.029540
25%	0.080027
50%	0.104908
75%	0.140066
max	0.243743

house_price_gr.describe(include='all')

	dis_name	rate
count	150	150.000000
unique	150	NaN
top	朝阳区小关北里24号院	NaN
freq	1	NaN
mean	NaN	0.110061
std	NaN	0.041333
min	NaN	0.029540
25%	NaN	0.080027
50%	NaN	0.104908
75%	NaN	0.140066
max	NaN	0.243743

 get_ipython().magic('matplotlib inline')
import seaborn as sns
from scipy import stats

sns.distplot(house_price_gr.rate, kde=True, fit=stats.norm) # Histograph  返回直方图和曲线图，fit是加上正态分布

import statsmodels.api as sm

from matplotlib import pyplot as plt

fig = sm.qqplot(house_price_gr.rate, fit=True, line='45')

fig.show() #查看图像

house_price_gr.plot(kind='box') # Box Plots

>

# 置信度区间估计

#方差s^2=[（x1-x）^2+（x2-x）^2+......（xn-x）^2]/（n）（x为平均数）

se = house_price_gr.rate.std() / len(house_price_gr) ** 0.5 # 标准误=标准差/根号样本量

print(se)

LB = house_price_gr.rate.mean() - 1.96 * se #下界 均值减去1.96倍标准误 表示95%的置信区间

UB = house_price_gr.rate.mean() + 1.96 * se

(LB, UB) #95%的置信区间，95%的把握认为增长度在LB,UB之间

0.003374832409178327

(0.10344632517993363, 0.11667566822391268)

#所以可以得出结论，想要以10%增长率买到房的置信度小于2.5%，认为是不可能事件

# 如果要求任意置信度下的置信区间的话，可以自己编一个函数
def confint(x, alpha=0.05):
    n = len(x)
    xb = x.mean()
    df = n-1
    tmp = (x.std() / n ** 0.5) * stats.t.ppf(1-alpha/2, df)
    return {'Mean': xb, 'Degree of Freedom':df, 'LB':xb-tmp, 'UB':xb+tmp}

confint(house_price_gr.rate, 0.05)

{'Mean': 0.11006099670192315,
 'Degree of Freedom': 149,
 'LB': 0.10339228338892809,
 'UB': 0.11672971001491822}

x=house_price_gr.rate

n = len(x)

df = n-1

xb = x.mean()

xb-(x.std() / n ** 0.5) * stats.t.ppf(0.025, df) 

0.11672971001491822

# 或者使用DescrStatsW 包来计算zhix置信度
d1= sm.stats.DescrStatsW(house_price_gr.rate) 

d1.tconfint_mean(0.0 5) # 

 

(0.10339228338892814, 0.11672971001491828)