本文介绍了Python中计算置信区间的概念、公式和应用，强调了置信区间与样本量、置信水平的关系。通过示例展示了如何使用Python的`stats`模块计算不同置信水平下的置信区间，并绘制了可信度与置信区间宽度的图形，以直观展示置信区间宽度与预测模型精度的权衡。结论指出，为了获得较高的可信度，通常选择95%的置信水平。
python 置信区间
置信区间是指由 样本统计量 所构造的总体参数的估计区间。
这句话也就是说 ( 这里统计量一般指均值 ) 利用样本均值来估计总体均值的可靠程度, 这个"可靠程度"用"置信区间"来表示, 置信区间(是一个系数)取值范围为: 0
当样本量越大, 则越可靠.
置信区间计算公式:
ci = mean±stdN(ppf)( (1-α)/2 )
公式参数说明:
ci: 表示置信区间
mean: 表示样本均值
std: 表示样本标准差
N(ppf): 表示正态分布的百分点函数
α : 是显著性水平
α的取值跟样本量有关
其中，百分点函数ppf是累积分布函数cdf的反函数
常用的几个置信区间的计算可以不用上述公式,而使用更简单的公式
置信水平是指特定个体对待特定命题真实性相信的程度
通常使用 90%，95% 和 99% 作为置信区间的置信水平。这三个置信水平的临界值分别为 1.64，1.98 和 2.32。
se是样本标准误, n是样本个数
se = mean/pow(n,0.5)
置信区间算法:
ci = mean-se1.64 置信水平为0.9
ci = mean-se1.98 置信水平为0.95
ci = mean-se*2.32 置信水平为0.99
举例来说，如果在一次大选中某人的支持率为55%，而置信水平(也称为可信区间)0.95以上的置信区间是(50%,60%)，那么他的真实支持率有百分之九十五的机率落在百分之五十和百分之六十之间
最低0.47元/天 解锁文章
扫一扫
2401
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
