计算一个样本中某个比例的置信区间

Question

当样本量很小甚至样本量为 1 时，计算比例的置信区间 (CI) 的更好方法是什么？

我目前正在计算 CI 一个样本中的比例 w/：

不过我的样本量很小，有时甚至是1。我也试过一个小群体的比例 p 的近似 (1−α)100% 置信区间使用：

具体来说，我正在尝试实现这两个公式来计算 CI 的比例。如下图所示，在 2018 年第一季度，蓝色组周围没有 CI，因为在 2018 年第一季度有十分之一的人选择了该项目。如果使用有限种群校正 (FPC)，如果 N 为 1，它不会校正 CI。所以，我的问题是，解决这个 100% 比例的小样本问题的最佳统计方法是什么。

如果能在python中提供一个包来计算就更好了？谢谢！

Answer 1

试试看 statsmodels.stats.proportion.proportion_confint

http://www.statsmodels.org/devel/generated/statsmodels.stats.proportion.proportion_confint.html

根据他们的文档，您可以这样使用它：

ci_low, ci_upp = proportion_confint(count, nobs, alpha=0.05, method='normal')

其中参数为：

count (int or array_array_like) – 成功次数，可以是pandas Series或DataFrame
nobs (int) – 试验总数
alpha (float in (0, 1)) – 显着性水平，默认0.05
method（['normal'] 中的字符串）- 用于置信区间的方法，当前可用的方法：
- 正态：渐近正态近似
- agresti_coull：Agresti-Coull 区间
- beta：基于 Beta 分布的 Clopper-Pearson 区间
- 威尔逊：威尔逊得分区间
- 杰弗里斯：杰弗里斯贝叶斯区间
- binom_test ：实验性的，binom_test

计算一个样本中某个比例的置信区间

Calculating Confidence Interval for a Proportion in One Sample

python

statistics

confidence-interval