Jag har en uppgift från vilken jag vill hitta konfidensnivån givet z-värdet. Jag har en urvalpopulation. Från den befolkningen, med tanke på dess fördelning, skulle jag vilja hitta konfidensnivån för ett givet värde för den befolkningen. Med andra ord, med ett värde på befolkningen, skulle jag vilja veta om det ligger inom 95% (konfidensnivå) av hela befolkningen eller 68% eller 50% och så vidare. Vanligtvis kan vi hitta z-värdet och konfidensintervallet och den angivna konfidensnivån som förklaras här Hur man hittar konfidensintervallet . Men jag skulle vilja hitta konfidensnivån med tanke på z-värdet (vilket i det här fallet är ett givet värde från befolkningen).
Hur kan jag hantera detta? Om möjligt bör det vara i python eller i R
Svar
OK, för ett 95% konfidensintervall vill du veta hur många standardavvikelser från det genomsnitt som din poänguppskattning är (”z-poängen”). För att få det, tar du bort 5% ”svansar”. När du arbetar i percentilform har du 100-95 vilket ger ett värde på 5 eller 0,05 i decimalform.
Dela det i hälften för att få 0,025 och använd sedan q -ormfunktionen i R för att få z-stjärnan (”kritiskt värde”). Eftersom du bara bryr dig om en ”sida” av kurvan (värdena på vardera sidan är spegelbilder av varandra) och du vill ha ett positivt tal, skicka argumentet lägre. Tail = FALSE.
Så i slutändan skulle det se ut så här:
qnorm(.025,lower.tail=FALSE) vilket ger värdet 1,959964
Du kopplar sedan in det värdet i ekvationen för att marginalen för fel ska slutföra saker.
Om du vill gå åt andra håll, från ett ”kritiskt värde” till en sannolikhet, använd pnorm-funktionen. Något som:
pnorm(1.959964,lower.tail=FALSE) vilket ger dig tillbaka 0,025
Kommentarer
- Jag kunde ha formulerat det bättre, men nätet är " använd qnorm / pnorm ".
Svar
För att konvertera mellan z-poäng och konfidensvärden med python, använd cdf och ppf -funktioner i scipy.stats.norm .
Det finns ett bra exempel på hur man använder dem i svaret för den här frågan .