我有这样的数据集:Python,计算二项式P值:这段代码是否正确?
ItemNumber Successes Trials Prob
15 14 95 0.047
9625 20 135 0.047
19 14 147 0.047
24 12 120 0.047
20 15 133 0.047
22 8 91 0.047
9619 16 131 0.047
10006 8 132 0.047
25 15 127 0.047
欲识别culmulative二项式分布p值对每个项目,了解观察项目出现的相同或更高数目的概率。
我用这个代码:
import sys
import scipy
from scipy.stats.distributions import binom
import sys
for line in open(sys.argv[1], 'r').readlines():
line = line.strip().split()
Item,num_succ,num_trials,prob = line[0],int(line[1]),int(line[2]),float(line[3])
print Item + "\t" + str(num_succ) + "\t" + str(num_trials) + "\t" + str(prob) + "\t" + str(1 - (binom.cdf(num_succ, num_trials, prob)))
输出看起来是这样的:
Item NumSucc NumTrials Prob Binomial
15 14 95 0.047 3.73e-05
9625 20 135 0.047 1.48e-06
19 14 147 0.047 0.004
24 12 120 0.047 0.0043
20 15 133 0.047 0.00054
22 8 91 0.047 0.027
9619 16 131 0.047 0.0001
10006 8 132 0.047 0.169
25 15 127 0.047 0.0003
的问题:当我挑一条线,并检查所获得的累积二项式P值对像一个在线工具这个:http://stattrek.com/online-calculator/binomial.aspx,结果不一样。
例如,
对于项目20(#成功= 15,#试验= 133,习题= 0.047):
My Binomial P Val = 0.00054
StatTrek P Val = 0.0015
不过,我可以从StatTrek看到,我已经看过因为我想要“等于或大于”,我实际上想要计算的是P(X> = 15)(它是0.0015)。
我竭力要正确编辑上面的代码,改变从返回P值“找到发病率大于数”到“找到发生率大于或等于数量”。如果有人能证明我会感激。如果你看看this question,我试图关注Volodymyr的评论。