Hướng dẫn how do you create a confidence interval in python? - làm cách nào để bạn tạo khoảng tin cậy trong python?

& nbsp; Trong bài viết này, chúng tôi sẽ xem xét các cách khác nhau để tính toán khoảng tin cậy bằng cách sử dụng các phân phối khác nhau trong ngôn ngữ lập trình Python. Khoảng tin cậy cho một giá trị trung bình là một loạt các giá trị có khả năng chứa một dân số có nghĩa là với một mức độ tin cậy nhất định.

Formula:

Confidence Interval = x(+/-)t*(s/√n)

• X: Mẫu trung bìnhsample mean
• T: Giá trị T tương ứng với mức độ tin cậy t-value that corresponds to the confidence level
• S: Độ lệch chuẩn mẫusample standard deviation
• N: cỡ mẫu sample size

Phương pháp 1: Tính khoảng tin cậy bằng cách sử dụng phân phối T

Cách tiếp cận này được sử dụng để tính toán khoảng tin cậy cho bộ dữ liệu nhỏ trong đó n trong đó n trong đó

Cú pháp: St.T.Interval (alpha, chiều dài, loc, tỷ lệ)) & nbsp;st.t.interval(alpha, length, loc, scale)) 

Parameters:

• Alpha: Xác suất RV sẽ được rút ra từ phạm vi trả về. Probability that an RV will be drawn from the returned range.
• Chiều dài: Chiều dài của tập dữ liệuLength of the data set
• LỘC: tham số vị trílocation parameter
• Tỷ lệ: tham số tỷ lệ scale parameter

Ví dụ 1:

Trong ví dụ này, chúng tôi sẽ sử dụng tập dữ liệu có kích thước (n = 20) và sẽ tính toán khoảng tin cậy 90% bằng cách sử dụng hàm T. Python.

Python

import numpy as np

import scipy.stats as st

Các

(6.920661262464349, 7.3593387375356505)

(2.3481954013214263, 5.4518045986785735)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.689075889330163, 7.450924110669837)

(2.962098014195961, 4.837901985804038)

(6.689075889330163, 7.450924110669837)

(2.962098014195961, 4.837901985804038)

(6.689075889330163, 7.450924110669837)

(2.962098014195961, 4.837901985804038)

Các

numpy as np3numpy as np4

(2.962098014195961, 4.837901985804038)

numpy as np3numpy as np8

(2.962098014195961, 4.837901985804038)

Output:

(2.962098014195961, 4.837901985804038)

Ví dụ 2:

Trong ví dụ này, chúng tôi sẽ sử dụng tập dữ liệu có kích thước (n = 20) và sẽ tính toán khoảng tin cậy 90% bằng cách sử dụng chức năng & nbsp; t.interval () và chuyển tham số alpha sang 0,99 trong Python.

Python

import numpy as np

import scipy.stats as st

Các

(6.920661262464349, 7.3593387375356505)

(2.3481954013214263, 5.4518045986785735)

(2.962098014195961, 4.837901985804038)

(2.3481954013214263, 5.4518045986785735)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(6.689075889330163, 7.450924110669837)

(6.920661262464349, 7.3593387375356505)

(6.689075889330163, 7.450924110669837)

(2.962098014195961, 4.837901985804038)

(6.689075889330163, 7.450924110669837)

(2.962098014195961, 4.837901985804038)

import3

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

numpy as np3

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

Các

numpy as np3numpy as np8

(2.962098014195961, 4.837901985804038)

Output:

(2.3481954013214263, 5.4518045986785735)

Ví dụ 2:

Trong ví dụ này, chúng tôi sẽ sử dụng tập dữ liệu có kích thước (n = 20) và sẽ tính toán khoảng tin cậy 90% bằng cách sử dụng chức năng & nbsp; t.interval () và chuyển tham số alpha sang 0,99 trong Python.

gfg_data (2.962098014195961, 4.837901985804038)0 (2.962098014195961, 4.837901985804038)1(2.962098014195961, 4.837901985804038)2(2.962098014195961, 4.837901985804038)3__12

numpy as np3numpy as np4

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

Giải thích từ Ví dụ 1 và Ví dụ 2:st.norm.interval(alpha, loc, scale)) 

Parameters:

• Alpha: Xác suất RV sẽ được rút ra từ phạm vi trả về.
• LỘC: tham số vị trí
• Tỷ lệ: tham số tỷ lệ

Ví dụ 1:

Trong ví dụ này, chúng tôi sẽ sử dụng tập dữ liệu có kích thước (n = 20) và sẽ tính toán khoảng tin cậy 90% bằng cách sử dụng hàm T. Python.

Python

import numpy as np

import scipy.stats as st

Các

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

Output:

(6.920661262464349, 7.3593387375356505)

Các

Ví dụ 2:

Python

import numpy as np

import scipy.stats as st

gfg_data

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(6.920661262464349, 7.3593387375356505)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

(2.962098014195961, 4.837901985804038)

Output:

(6.689075889330163, 7.450924110669837)

Giải thích từ Ví dụ 3 và Ví dụ 4:

Trong trường hợp của ví dụ 3, khoảng thời gian trung bình tự tin được tính toán của dân số với 90% là (6,92-7,35) và trong ví dụ 4 khi tính toán khoảng trung bình tự tin của dân số với 99% là (6,68-7,45), nó có thể được giải thích rằng khoảng thời gian tự tin ví dụ 4 rộng hơn khoảng thời gian tự tin ví dụ 3 với 95% dân số, điều đó có nghĩa là có 99% cơ hội khoảng tin cậy của [6,68, 7,45] chứa phương tiện dân số thực sự.

Làm thế nào để Python tính toán khoảng tin cậy?

Chức năng Python nào sẽ cung cấp khoảng tin cậy 95%?

Mô -đun Python nào được sử dụng để tạo khoảng tin cậy Chọn một?