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()
discipy.stats
viene utilizzata per la distribuzione T di Student. 0.95
rappresenta il livello di confidenza (noto anche come parametroalpha
).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.
1234567891011import 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)
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 2.63
Calcolo Avanzato dell'Intervallo di Confidenza con Python
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()
discipy.stats
viene utilizzata per la distribuzione T di Student. 0.95
rappresenta il livello di confidenza (noto anche come parametroalpha
).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.
1234567891011import 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)
Grazie per i tuoi commenti!