python - Calcule un intervalo de confianza a partir de los datos de muestra

numpy statistics

Question

Tengo datos de muestra para los que me gustaría calcular un intervalo de confianza, suponiendo una distribución normal.

He encontrado e instalado los paquetes numpy y scipy y me he vuelto numpy para devolver una media y una desviación estándar (numpy.mean (data) con los datos como una lista). Cualquier consejo sobre cómo obtener un intervalo de confianza de la muestra sería muy apreciado.

Answer 1

Aquí una versión abreviada del código de Shasan, calculando el intervalo de confianza del 95% de la media de la matriz a :

import numpy as np, scipy.stats as st

st.t.interval(0.95, len(a)-1, loc=np.mean(a), scale=st.sem(a))

Pero usando StatsModels '' tconfint_mean es posiblemente aún más agradable:

import statsmodels.stats.api as sms

sms.DescrStatsW(a).tconfint_mean()

Las suposiciones subyacentes para ambos son que la muestra (matriz a ) se dibujó independientemente de una distribución normal con una desviación estándar desconocida (ver MathWorld o Wikipedia ).

Para un tamaño de muestra grande n, la media de la muestra se distribuye normalmente, y uno puede calcular su intervalo de confianza usando st.norm.interval() (como se sugiere en el comentario de Jaime). Pero las soluciones anteriores son correctas también para n pequeño, donde st.norm.interval() da intervalos de confianza demasiado estrechos (es decir, "confianza falsa"). Vea mi answer a una pregunta similar para más detalles (y uno de los comentarios de Russ aquí).

Aquí un ejemplo donde las opciones correctas dan (esencialmente) intervalos de confianza idénticos:

In [9]: a = range(10,14)

In [10]: mean_confidence_interval(a)
Out[10]: (11.5, 9.4457397432391215, 13.554260256760879)

In [11]: st.t.interval(0.95, len(a)-1, loc=np.mean(a), scale=st.sem(a))
Out[11]: (9.4457397432391215, 13.554260256760879)

In [12]: sms.DescrStatsW(a).tconfint_mean()
Out[12]: (9.4457397432391197, 13.55426025676088)

Y finalmente, el resultado incorrecto usando st.norm.interval() :

In [13]: st.norm.interval(0.95, loc=np.mean(a), scale=st.sem(a))
Out[13]: (10.23484868811834, 12.76515131188166)

Answer 2

Comience buscando el z-value para su intervalo de confianza deseado desde una tabla de búsqueda . El intervalo de confianza es entonces la mean +/- z*sigma , donde sigma es la desviación estándar estimada de la media de la muestra, dada por sigma = s / sqrt(n) , donde s es la desviación estándar calculada a partir de los datos de muestra n es su tamaño de muestra

Answer 3

import numpy as np
import scipy as sp
import scipy.stats

def mean_confidence_interval(data, confidence=0.95):
    a = 1.0*np.array(data)
    n = len(a)
    m, se = np.mean(a), scipy.stats.sem(a)
    h = se * sp.stats.t._ppf((1+confidence)/2., n-1)
    return m, m-h, m+h

puedes calcular así.