Impara Calcolo Avanzato dell'Intervallo di Confidenza con Python

Se si lavora con una distribuzione di piccole dimensioni (dimensione ≤ 30) che approssima la distribuzione normale, utilizzare le statistiche t.

Come calcolare l'intervallo di confidenza?

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

La funzione t.interval() di scipy.stats viene utilizzata per la distribuzione T di Student.
0.95 rappresenta il livello di confidenza (noto anche come parametro alpha).
len(data) - 1 sono i gradi di libertà (df), ovvero la dimensione del campione meno uno.
loc rappresenta la media dei dati campione.
sem rappresenta l'errore standard della media.

Gradi di libertà

I gradi di libertà si riferiscono al numero di elementi informativi indipendenti utilizzati per stimare un parametro.

La formula per i gradi di libertà è N - 1, dove N è la dimensione del campione.

È possibile modificare il parametro alpha per osservare come influisce sull'intervallo di confidenza.


              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)

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 5. Capitolo 6

Chieda ad AI

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

Scorri per mostrare il menu

Se si lavora con una distribuzione di piccole dimensioni (dimensione ≤ 30) che approssima la distribuzione normale, utilizzare le statistiche t.

Come calcolare l'intervallo di confidenza?

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

La funzione t.interval() di scipy.stats viene utilizzata per la distribuzione T di Student.
0.95 rappresenta il livello di confidenza (noto anche come parametro alpha).
len(data) - 1 sono i gradi di libertà (df), ovvero la dimensione del campione meno uno.
loc rappresenta la media dei dati campione.
sem rappresenta l'errore standard della media.

Gradi di libertà

I gradi di libertà si riferiscono al numero di elementi informativi indipendenti utilizzati per stimare un parametro.

La formula per i gradi di libertà è N - 1, dove N è la dimensione del campione.

È possibile modificare il parametro alpha per osservare come influisce sull'intervallo di confidenza.


              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)

Tutto è chiaro?

Grazie per i tuoi commenti!

Sezione 5. Capitolo 6

Calcolo Avanzato dell'Intervallo di Confidenza con Python

Come calcolare l'intervallo di confidenza?

Gradi di libertà

Awesome!

Calcolo Avanzato dell'Intervallo di Confidenza con Python

Come calcolare l'intervallo di confidenza?

Gradi di libertà