博客

如何在Python中计算置信区间

  • Post category:Python

当我们在Python中进行数据分析时，常常需要计算数据的置信区间。下面是计算置信区间的基本步骤：

  1. 确定置信水平（Confidence level）：通常我们会使用95%的置信水平。

  2. 计算样本的平均值（Sample mean）：我们需要计算样本的平均值。

  3. 计算标准误差（Standard error）：标准误差是指样本平均值的估计标准差。通常情况下，我们会使用样本标准差作为标准误差的估计量。

  4. 计算置信区间的边界（Confidence interval boundaries）：根据置信水平和标准误差，可以计算出置信区间的上限和下限。

下面以一个示例来说明如何在Python中计算置信区间：

假设我们有一个由10个数构成的样本，它们是：[35, 30, 40, 38, 36, 42, 39, 37, 31, 29]。我们想要计算出这个样本的置信区间。

首先，我们需要计算样本的平均值。在Python中，可以使用NumPy库的mean()函数来计算样本的平均值：

import numpy as np

data = [35, 30, 40, 38, 36, 42, 39, 37, 31, 29]

mean = np.mean(data)

print(mean)

运行上面的代码会输出样本的平均值，即 35.7。接下来，我们需要计算标准误差。同样，可以使用NumPy库的std()函数来计算样本标准差，然后除以样本大小的平方根来得到标准误差：

std_dev = np.std(data, ddof=1)
n = len(data)
std_error = std_dev / np.sqrt(n)

print(std_error)

其中，ddof参数指定偏差校正因子的数量。由于我们是从样本中计算标准差，因此需要将ddof设置为1。

最后，我们可以使用SciPy库的t分布函数来计算置信区间的边界：

from scipy.stats import t

confidence_level = 0.95
df = n - 1
t_critical = t.ppf(confidence_level, df)

lower_bound = mean - t_critical * std_error
upper_bound = mean + t_critical * std_error

print("Lower bound: {:.2f}".format(lower_bound))
print("Upper bound: {:.2f}".format(upper_bound))

在上面的代码中，我们使用t.ppf()函数来计算t分布的临界值，然后用该值和标准误差来计算置信区间的边界。输出结果如下：

Lower bound: 31.86
Upper bound: 39.54

置信区间的意义是，在任意抽样时，样本的平均值将与样本平均值（在样本平均值周围的某个范围内）的真实总体平均值相差不超过我们制定的置信度。在这个例子中，95%的置信区间范围在31.86到39.54之间，这表明我们对于真实总体的均值有95%的信心区间将落在31.86到39.54之间。

下面再给出一个示例，此时通过Pandas库中的DataFrame结构中的describe()函数和quantile()函数来计算样本的平均值、标准误差和置信区间的边界，并给出输出结果：

import pandas as pd
from scipy.stats import t

data = {
    'Score': [84, 86, 92, 79, 94, 93, 82, 93, 92, 85, 
              93, 81, 92, 89, 82, 90, 93, 81, 83, 82]
}

df = pd.DataFrame(data)

# 计算样本的平均值
mean = df.describe().loc['mean', 'Score']

# 计算标准误差
std_error = df.sem().item()

# 计算置信区间的边界
confidence_level = 0.95
df = len(df) - 1
t_critical = t.ppf(confidence_level, df)
ci_lower = mean - t_critical * std_error
ci_upper = mean + t_critical * std_error

print("Sample mean: {:.2f}".format(mean))
print("Standard error: {:.2f}".format(std_error))
print("Confidence interval: ({:.2f}, {:.2f})".format(ci_lower, ci_upper))

输出结果为：

Sample mean: 87.05
Standard error: 1.58
Confidence interval: (84.73, 89.37)

这个示例中，我们使用了Pandas库中的DataFrame结构来存储数据，并计算样本的平均值、标准误差和置信区间的边界。在这个例子中，95%的置信区间范围在84.73到89.37之间。

Tags: