置信区间

https://www.zhihu.com/question/26419030/answer/274472266

点估计：用样本统计量来估计总体参数，因为样本统计量为数轴上某一点值，估计的结果也以一个点的数值表示，所以称为点估计。

区间估计：是在点估计的基础上，给出总体参数估计的一个区间范围，该区间通常由样本统计量加减估计误差得到；

区间估计，是参数估计的一种形式。1934年，由统计学家J.奈曼所创立的一种严格的区间估计理论。置信系数是这个理论中最为基本的概念。通过从总体中抽取的样本，根据一定的正确度与精确度的要求，构造出适当的区间，以作为总体的分布参数(或参数的函数)的真值所在范围的估计。

点估计与区间估计区别：点估计是使用一个值来代替总体参数值，区间估计是使用一个置信区间与置信度，表示总体参数有多少可能（置信度）会在该范围（置信区间）内；

置信区间：构造100个区间，其中大约有95个会包含均值；

 

置信区间计算公式：

 Python代码计算：

import pandas as pd
import numpy as np
from sklearn.datasets import load_iris

iris = load_iris()

data = pd.DataFrame(iris.data,columns = iris.feature_names)

##样本数多于30，可以作为Z分布
mean = data['petal width (cm)'].mean()
n = len(data)
std = data['petal width (cm)'].std()

a = (mean-1.96*(std/np.sqrt(n)),mean+1.96*(std/np.sqrt(n)))

print(a)
#a = (1.0765355119524544, 1.32079782138088)
###置信区间为：(1.0765355119524544, 1.32079782138088)