Apprendre Calcul Avancé d'Intervalle de Confiance avec Python

Si vous travaillez avec une petite distribution (taille ≤ 30) qui s'apparente à la distribution normale, utilisez les statistiques t.

Comment calculer l'intervalle de confiance ?

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

La fonction t.interval() de scipy.stats est utilisée pour la distribution de Student.
0.95 représente le niveau de confiance (également appelé paramètre alpha).
len(data) - 1 correspond aux degrés de liberté (df), soit la taille de l'échantillon moins un.
loc représente la moyenne des données de l'échantillon.
sem représente l'erreur standard de la moyenne.

Degrés de liberté

Les degrés de liberté correspondent au nombre d'éléments d'information indépendants utilisés pour estimer un paramètre.

La formule des degrés de liberté est N - 1, où N est la taille de l'échantillon.

Vous pouvez modifier le paramètre alpha pour observer son impact sur l'intervalle de confiance.


              1234567891011
            
import scipy.stats as st
import numpy as np

data = [104, 106, 106, 107, 107, 107, 108, 108, 108, 108, 108, 109, 109, 109, 110, 110, 111, 111, 112]
# Calculate the confidence interval
confidence = st.t.interval(0.95,
                           len(data)-1,
                           loc = np.mean(data),
                           scale = st.sem(data))

print(confidence)

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 6

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Glissez pour afficher le menu

Si vous travaillez avec une petite distribution (taille ≤ 30) qui s'apparente à la distribution normale, utilisez les statistiques t.

Comment calculer l'intervalle de confiance ?

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

La fonction t.interval() de scipy.stats est utilisée pour la distribution de Student.
0.95 représente le niveau de confiance (également appelé paramètre alpha).
len(data) - 1 correspond aux degrés de liberté (df), soit la taille de l'échantillon moins un.
loc représente la moyenne des données de l'échantillon.
sem représente l'erreur standard de la moyenne.

Degrés de liberté

Les degrés de liberté correspondent au nombre d'éléments d'information indépendants utilisés pour estimer un paramètre.

La formule des degrés de liberté est N - 1, où N est la taille de l'échantillon.

Vous pouvez modifier le paramètre alpha pour observer son impact sur l'intervalle de confiance.


              1234567891011
            
import scipy.stats as st
import numpy as np

data = [104, 106, 106, 107, 107, 107, 108, 108, 108, 108, 108, 109, 109, 109, 110, 110, 111, 111, 112]
# Calculate the confidence interval
confidence = st.t.interval(0.95,
                           len(data)-1,
                           loc = np.mean(data),
                           scale = st.sem(data))

print(confidence)

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 6

Calcul Avancé d'Intervalle de Confiance avec Python

Comment calculer l'intervalle de confiance ?

Degrés de liberté

Awesome!

Calcul Avancé d'Intervalle de Confiance avec Python

Comment calculer l'intervalle de confiance ?

Degrés de liberté