Python 计算一个样本中某一比例的置信区间
当样本量很小,甚至样本量为1时,计算比例置信区间(CI)的更好方法是什么 我目前正在计算一个样本w/中的比例CI: 然而,我的样本量非常小,有时甚至是1。我也试过了 近似值(1−α) 小群体比例p的100%置信区间,使用: 具体地说,我试图实现这两个公式来计算比例的CI。如下图所示,在2018-1季度,蓝色集团没有CI,因为在2018-1季度,每1个ppl中就有1个选择了该项目。如果使用有限总体校正(FPC),则在N为1时不会校正CI。 所以,我的问题是,用什么样的统计方法才能以100%的比例解决这个小样本问题Python 计算一个样本中某一比例的置信区间,python,statistics,confidence-interval,Python,Statistics,Confidence Interval,当样本量很小,甚至样本量为1时,计算比例置信区间(CI)的更好方法是什么 我目前正在计算一个样本w/中的比例CI: 然而,我的样本量非常小,有时甚至是1。我也试过了 近似值(1−α) 小群体比例p的100%置信区间,使用: 具体地说,我试图实现这两个公式来计算比例的CI。如下图所示,在2018-1季度,蓝色集团没有CI,因为在2018-1季度,每1个ppl中就有1个选择了该项目。如果使用有限总体校正(FPC),则在N为1时不会校正CI。 所以,我的问题是,用什么样的统计方法才能以100%的比
- 如果您能提供一个python包来计算它,那就太好了?谢谢李>
ci_low, ci_upp = proportion_confint(count, nobs, alpha=0.05, method='normal')
其中参数为:
- 计数(int或array_array_like)–成功的数量,可以是系列或数据帧
- nobs(int)-试验总数
- alpha(在(0,1)中浮动)-显著性水平,默认值为0.05
- 方法(字符串位于['normal'])–用于置信区间的方法,当前可用的方法:
- 正态:渐近正态逼近
- agresti_coull:agresti coull间隔
- beta:基于beta分布的Clopper-Pearson区间
- 威尔逊:威尔逊得分区间
- jeffreys:jeffreys贝叶斯区间
- binom_检验:实验,binom_检验的反演