scipy.stats._result_classes.BinomTestResult.

proportion_ci#

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

Berechnet das Konfidenzintervall für statistic.

Parameter:

confidence_levelfloat, optional

Konfidenzniveau für das berechnete Konfidenzintervall des geschätzten Anteils. Standard ist 0.95.

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

Wählt die Methode zur Berechnung des Konfidenzintervalls für die Schätzung des Anteils aus

‘exact’: Verwendet die exakte Clopper-Pearson-Methode [1].
‘wilson’: Wilsons Methode, ohne Stetigkeitskorrektur ([2], [3]).
‘wilsoncc’: Wilsons Methode, mit Stetigkeitskorrektur ([2], [3]).

Standard ist 'exact'.

Rückgabe:

ciConfidenceInterval object: Das Objekt hat die Attribute low und high, die die untere und obere Grenze des Konfidenzintervalls enthalten.

Referenzen

[1]

C. J. Clopper und E. S. Pearson, The use of confidence or fiducial limits illustrated in the case of the binomial, Biometrika, Vol. 26, No. 4, S. 404-413 (Dez. 1934).

[2] (1,2)

E. B. Wilson, Probable inference, the law of succession, and statistical inference, J. Amer. Stat. Assoc., 22, S. 209-212 (1927).

[3] (1,2)

Robert G. Newcombe, Two-sided confidence intervals for the single proportion: comparison of seven methods, Statistics in Medicine, 17, S. 857-872 (1998).

Beispiele

>>> 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)