计算的置信区间

我有我想以计算的置信区间的样本数据，假设分布是不正常的，是未知的。基本上，它看起来像分配帕累托，但我不知道肯定。计算的置信区间

正态分布的答案：

Compute a confidence interval from sample data

Correct way to obtain confidence interval with scipy

来源

2017-06-06 Brans Ds

它看起来像指数分布我 –

如果你不知道潜在分布，那么我首先想到的是使用引导：https://en.wikipedia.org/wiki/Bootstrapping_(statistics)

在伪代码中，假设x是包含数据一个numpy的数组：

import numpy as np 
N = 10000 
mean_estimates = [] 
for _ in range(N): 
    re_sample_idx = np.randint(0, len(x), x.shape) 
    mean_estimates.append(mean(x[re_sample_idx]))

mean_estimates现在的分布的均值10000所估算的列表。把这些值10000的第2.5和97.5个百分点，而您对您的数据的均值置信区间：

sorted_estimates = np.sort(np.array(mean_estimates)) 
conf_interval = [sorted_estimates[int(0.025 * N)], sorted_estimates[int(0.975 * N)]]

来源

2017-06-06 14:42:47 acdr

我已经用实际数据来测试..看起来是错误的。我得到了Conf Int：[22.78，69.93]。（np.array（x）<22.79）.sum（）/ len（x） - 0.91。 91％的数据低于下限。算术平均值是40.78 - 这是棘手的现实世界数据集。 –

根据您的文章中的链接，我推测您需要围绕您对数据平均值的估计值进行置信区间。如果您只需要95％的数据在两个值之间的值（例如，通过计算2.5个和你*数据*的97.5个百分点，那么你可以使用的最后两行，我的答案，但使用'x'，而不是'np.array（mean_estimates）'。 – acdr

从对对方的回答的讨论中，我假定你想为一个置信区间人口的意思是，是吗？（对于某个数量，您必须有一个置信区间，而不是分布本身。）

对于所有有限矩分布，均值的采样分布趋于渐近正态分布，其均值等于总体均值和方差等于人口方差除以n。所以，如果你有大量的数据，$ \亩\ PM \披^ { - 1}（P）\西格玛/ \开方{N} $应该是一个很好的近似人口的P-置信区间的意思是，即使如果分配不正常。

来源

2017-06-07 08:55:39

谢谢。公式显示不正确。 LaTex的一些问题。经过一些阅读和分析后，我发现我真的对中位数然后意味着更感兴趣，因为分布是偏斜的。所以我需要置信区间的中位数。中位数的抽样分布趋于渐近正态分布吗？我用@acdr代码来估计置信区间的中位数。它总是比“acdr评论中计算出的95％数据在两个值之间的值”要小得多。 –

计算的置信区间

回答

相关问题