为数据框中的人口比率添加置信区间

Question

我有一个数据框，我在其中创建了一个新列，它将前三列（日期）与值相加。然后我根据人口列为每一行创建了一个比率。

我想为此数据集中每一行的“sum_of_days_rate”创建较低和较高的 95% 置信水平。

我可以创建前三列的平均值，但不确定如何为这三列的总和创建下限值和上限值 rate。

以下数据集示例：

data= {'09/01/2021': [74,84,38],
      '10/11/2021': [43,35,35],
      "12/01/2021": [35,37,16],
      "population": [23000,69000,48000]}

df = pd.DataFrame (data, columns = ['09/01/2021','10/11/2021',  "12/01/2021", "population"])
df['sum_of_days'] = df.loc[:, df.columns[0:3]].sum(1)
df['sum_of_days_rate'] = df['sum_of_days']/df['population'] * 100000

Answer 1

要估计置信区间，您需要对数据、数据分布方式或相关误差做出某些假设。我不确定你的数据点是什么意思，你为什么要总结它们等等

常用的比率分布是泊松分布，您可以构建置信区间，给定均值：

lb, ub = scipy.stats.poisson.interval(0.95,df.sum_of_days_rate)
df['lb'] = lb
df['ub'] = ub

数组ub 和lb 是95% 置信区间的上限和下限。最终数据框如下所示：

   09/01/2021  10/11/2021  12/01/2021  population  sum_of_days  sum_of_days_rate     lb     ub
0          74          43          35       23000          152        660.869565  611.0  712.0
1          84          35          37       69000          156        226.086957  197.0  256.0
2          38          35          16       48000           89        185.416667  159.0  213.0

为数据框中的人口比率添加置信区间

Adding confidence intervals for population rates in a dataframe

python

statistics

scipy

confidence-interval

statsmodels