Python SciPy BinomTestResult.proportion_ci用法及代码示例

本文简要介绍 python 语言中scipy.stats._result_classes.BinomTestResult.proportion_ci的用法。

用法:

BinomTestResult.proportion_ci(confidence_level=0.95, method='exact')#

计算 statistic 的置信区间。

参数 ：：

confidence_level： 浮点数，可选

估计比例的计算置信区间的置信水平。默认值为 0.95。

method： {‘exact’, ‘wilson’, ‘wilsoncc’}，可选

选择用于计算比例估计置信区间的方法：

‘exact’：

使用 Clopper-Pearson 精确方法 [1]。

‘wilson’：

Wilson 方法，没有连续性校正 ([2], [3])。

‘wilsoncc’：

Wilson 方法，具有连续性校正 ([2], [3])。

默认为 'exact' 。

返回 ：：

ci： ConfidenceInterval 对象

该对象具有属性low 和high，它们包含置信区间的下限和上限。

参考：

[1]

C. J. Clopper 和 E. S. Pearson，在二项式的情况下使用置信度或基准限制，Biometrika，卷。 26，第 4 期，第 404-413 页(1934 年 12 月)。

[2] (1,2)

E. B. Wilson，概率推断、继承法则和统计推断，J. Amer。统计。协会，22，第 209-212 页(1927 年)。

[3] (1,2)

Robert G. Newcombe，单一比例的两侧置信区间：七种方法的比较，医学统计，17，第 857-872 页(1998 年)。

例子：

>>> from scipy.stats import binomtest
>>> result = binomtest(k=7, n=50, p=0.1)
>>> result.statistic
0.14
>>> result.proportion_ci()
ConfidenceInterval(low=0.05819170033997342, high=0.26739600249700846)