statsmodels.stats.rates.confint_poisson¶

statsmodels.stats.rates.confint_poisson(count, exposure, method=None, alpha=0.05)[source]¶

泊松均值或率的置信区间

该函数对除“midp-c”之外的所有方法进行了向量化处理，“midp-c”使用迭代方法来反转假设检验函数。

所有当前方法都是中心化的，即每个尾部的概率都小于或等于alpha / 2。单侧区间限制可以通过将alpha加倍来获得。

Parameters:¶

countarray_like

观察到的计数，事件的数量。

exposurearrat_like

目前这是计数变量的总曝光时间。 这可能会改变。

methodstr

用于置信区间的方法 这是必需的，目前没有默认方法

alphafloat in (0, 1)

显著性水平，置信区间的名义覆盖率为1 - alpha。

Returns:¶

tuple (low, upp)confidence limits.

另请参阅

test_poisson

注释

方法主要基于Barker（2002）[1] 和Swift（2009）[3]。

可用的方法是：

• 基于伽马分布的“精确-c”中心置信区间

• “score” : 基于score检验，使用零假设下的方差

• “wald” : 基于wald检验，使用基于估计率的方差。

• “waldccv” : 基于wald检验，方差计算中加入了0.5的计数。这不会对置信区间的中心使用连续性校正。

• “midp-c” : 基于中心精确置信区间的midp校正。 此方法使用测试函数的数值反演。非向量化。

• “jeffreys” : 基于Jeffreys先验。使用伽马分布计算

• “sqrt” : 基于平方根变换的计数

• 基于Anscombe平方根变换的“sqrt-a”，用于计数 + 3/8。

• “sqrt-centcc” 可能会被删除。anscombe 经过连续性校正 中心。 （类似于 R 生存 cipoisson，但没有 3/8 的右移 置信区间）。

sqrt-cent 与 sqrt-a 相同，使用不同的计算方法，将被删除。

sqrt-v 是一种归因于vandenbrouke的修正平方根方法，也可能被删除。

待办事项：

• 缺失离散度，

• 可能需要将nobs和exposure分开（在NB中可能需要）。Exposure可以用来标准化率。

• modified wald, 如果计数为0则切换方法。

参考文献

[1]

巴克, 劳伦斯. 2002. “当预期事件数量 ≤ 5 时，九种置信区间对泊松参数的比较。” 美国统计学家 56 (2): 85–89. https://doi.org/10.1198/000313002317572736.

[2]

帕蒂尔, VV, 和 HV 库尔卡尼. 2012. “泊松均值置信区间的比较: 一些新方面.” REVSTAT–统计学杂志 10(2): 211–27.

[3]

斯威夫特, 迈克尔·布鲁斯. 2009. “泊松均值置信区间的比较——进一步的考虑.” 统计学通讯 - 理论与方法 38 (5): 748–59. https://doi.org/10.1080/03610920802255856.