引數估計，是統計推斷的一種。根據從總體中抽取的隨機樣本來估計總體分布中未知引數的過程。從估計形式看，區分為點估計和區間估計；從構造估計量的方法講，有矩法估計、最小二乘估計、似然估計、貝葉斯估計等。要處理兩個問題：
求出未知引數的估計量；
在一定信度(可靠程度)下指出所求的估計量的精度。
信度一般用概率表示，如可信程度為95%；精度用估計量與被估引數(或待估引數)之間的接近程度或誤差來度量。本文主要是簡單記錄求置信區間所用到的python**～
1、匯入資料
import pandas as pd
import numpy as np
from scipy import stats
path = 'd:\資料\data\data.xlsx'
# 抽取100個樣本
2、 計算置信區間
pandas.std()預設是除以n-1，即是無偏大，如果想和numpy.std() 一樣有偏，需要加上引數 doff=0，即pandas(doff-0)；dataframe的describ()中就包含有std()；
numpy.std() 求標準差的時候預設是除以n的，即是有偏大，np.std() 無偏樣本標準差方式為加入引數 doff=1；
# 正態分佈下的置信區間
def norm_conf (data,confidence=0.95):
# sample_mean = np.mean(data)
sample_std = np.std(data,ddof=1)
sample_size = len(data)
conf_intveral = scipy.stats.norm.interval(confidence, loc=sample_mean, scale=sample_std)
print(conf_intveral)
norm_conf(scale_means)
# t分布下的置信區間
3、重複抽取資料
4、繪製資料
import seaborn as sns
from matplotlib import pyplot as plt
sns.set_palette("hls") #設定所有圖的顏色，使用hls色彩空間
python傳參方式 Python函式引數傳遞方式
python 函式引數傳遞方式並不像其他語言那樣是 指標 引用 和 值傳遞，而是 物件引用傳遞,本質上是 引用傳遞 可以說 python 中不存在 值傳遞，而是存在 不可變物件 容易誤判的操作 容易被誤認為是 引用傳遞 的操作 def case1 l list int none alist list...
python的預設引數 Python 預設引數的坑
話不多說，上 def fun x,a b c b b x print f a b c fun 1 fun 2 fun 3 我們在這段 中 定義了乙個位置引數 x，乙個乙個預設引數 a，a 的預設值為空列表，另乙個預設引數 b，b 的預設值為乙個空字串，在函式體中定義了乙個變數 c，並也給 c 傳遞了...
Python不定參（收集引數 ）
收集引數 不定參 的逆過程 不定參 可接受數量不固定的引數，擁有擴充套件的能力。對於那些傳入引數的數量不確定的程式有很重要的作用，但同時由於不定參可同時接受很多引數，這也帶來了隱患 引數不合法。要解決這個問題就需要使用斷言 assert 或者 try except 來增加對引數合法性的檢驗及引數不合...