scipy.stats._result_classes.BinomTestResult.

proportion_ci#

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

计算 statistic 的置信区间。

参数:

confidence_levelfloat，可选

计算估计比例的置信区间的置信水平。默认为 0.95。

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

选择用于计算比例估计的置信区间的方法

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

默认为 'exact'。

返回:

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，《在二项式情况下说明的置信或信任限度的使用》，Biometrika，第 26 卷，第 4 期，第 404-413 页（1934 年 12 月）。

[2] (1,2)

E. B. Wilson，《可能的推论、连续定律和统计推论》，J. Amer. Stat. Assoc.，22，第 209-212 页（1927 年）。

[3] (1,2)

Robert G. Newcombe，《单比例的双侧置信区间：七种方法的比较》，医学统计，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)