Python SciPy OddsRatioResult.confidence_interval用法及代码示例

本文简要介绍 python 语言中scipy.stats._result_classes.OddsRatioResult.confidence_interval的用法。

用法:

OddsRatioResult.confidence_interval(confidence_level=0.95, alternative='two-sided')#

比值比的置信区间。

参数 ：：

confidence_level: float：

置信区间的所需置信水平。该值必须以 0 到 1 之间的分数形式给出。默认值为 0.95(表示 95%)。

alternative： {‘双面’，‘less’, ‘greater’}，可选

置信区间对应的假设检验的备择假设。也就是说，假设原假设是真实优势比等于OR置信区间为(low, high)。然后是以下选项选择可用(默认为“双面”)：

• “双面”：真实优势比不等于OR。有证据反对所选的原假设confidence_level如果high < OR或者low > OR.

• ‘less’：真实优势比小于OR.这low置信区间的末尾为 0，并且有证据反对所选位置的原假设confidence_level如果high < OR.

• ‘greater’：真实优势比大于OR。这high置信区间的终点是np.inf，并且有证据反对所选的原假设confidence_level如果low > OR.

返回 ：：

ci： ConfidenceInterval 实例

置信区间，表示为具有属性 low 和 high 的对象。

注意：

什么时候种类是'conditional'，置信区间的极限是费舍尔说明的条件“exact confidence limits”[1]。 Sahai 和 Khurshid 的文本第 4.1.2 节还讨论了条件优势比和置信区间[2].

什么时候种类是'sample'，置信区间是在假设优势比的对数呈正态分布且标准误差由下式给出的假设下计算的：

se = sqrt(1/a + 1/b + 1/c + 1/d)

其中 a 、 b 、 c 和 d 是列联表的元素。 (例如，参见 [2]，第 3.1.3.2 节，或 [3]，第 2.3.3 节)。

参考：

[1]

R. A. Fisher (1935)，归纳推理的逻辑，皇家统计学会杂志，卷。 98，第 1 期，第 39-82 页。

[2] (1,2)

H. Sahai 和 A. Khurshid (1996)，《流行病学统计：方法、技术和应用》，CRC Press LLC，佛罗里达州博卡拉顿。

[3]

Alan Agresti，分类数据分析简介(第二版)，Wiley，新泽西州霍博肯，美国(2007 年)。