scipy.stats._result_classes.BinomTestResult.

proportion_ci#

BinomTestResult.proportion_ci(confidence_level=0.95, method='exact')[source]#

计算 statistic 的置信区间。

参数:

confidence_levelfloat, 可选

估计比例的置信区间的置信水平。默认值为 0.95。

method{‘exact’, ‘wilson’, ‘wilsoncc’}, 可选

选择用于计算比例估计置信区间的计算方法

‘exact’: 使用 Clopper-Pearson 精确方法 [1].
‘wilson’: Wilson 方法，无连续性校正 ([2], [3]).
‘wilsoncc’: Wilson 方法，有连续性校正 ([2], [3]).

默认值为 'exact'。

返回值:

ciConfidenceInterval 对象: 该对象具有属性 low 和 high，它们分别保存置信区间的下限和上限。

参考文献

[1]

C. J. Clopper 和 E. S. Pearson，置信或可信限度的使用，以二项式为例，Biometrika，第 26 卷，第 4 期，第 404-413 页（1934 年 12 月）。

[2] (1,2)

E. B. Wilson，可能推断、继承定律和统计推断，J. Amer. Stat. Assoc.，22，第 209-212 页（1927 年）。

[3] (1,2)

Robert G. Newcombe，单比例的双边置信区间：七种方法的比较，统计医学，17，第 857-872 页（1998 年）。

示例

>>> from scipy.stats import binomtest
>>> result = binomtest(k=7, n=50, p=0.1)
>>> result.statistic
0.14
>>> result.proportion_ci()
ConfidenceInterval(low=0.05819170033997342, high=0.26739600249700846)