binned_binom_proportion

astropy.stats.binned_binom_proportion(x, success, bins=10, range=None, confidence_level=0.68269, interval='wilson')

連続変数ボックス中の二項割合と信頼区間 x それがそうです。

データ点ペアのセットが与えられ、その中で x 値は連続的に分布しており success 値は二項(“成功/失敗”または“真/偽”)であるので，根拠を教えてください x 値をとり，各倉位における二項割合(成功スコア)と信頼区間を計算する.

パラメータ

x配列

価値観。

successブール配列.

成功 (True )または障害 (False )の各値に対応する x それがそうです。長さは x それがそうです。

bins整数またはスカラーシーケンス、オプション

Binsがintであれば，与えられた範囲(デフォルトでは10)内の等幅ボックス数を定義する.倉位がシーケンスである場合、最右の辺を含む倉位縁を定義し、不均一な倉位幅を可能にする(この場合、‘Range’は無視する)。

range(浮動小数点数、浮動小数点数)、オプション

ゴミ箱の下限範囲と上限範囲.もし…。 None (デフォルト)、範囲は (x.min(), x.max()) それがそうです。範囲外の値は無視されるだろう。

confidence_level浮動、オプション

範囲内でなければならない [0, 1] それがそうです。信頼区間における期待確率内容 (p - perr[0], p + perr[1]) 各ゴミ箱にあります。デフォルト値は0.68269である.

interval{‘Wilson’，‘Jeffreys’，‘Flat’，‘Wald’}，オプション

各倉位における二項割合の信頼区間を計算するための式.参照してください binom_conf_interval 間隔を定義するために用いられる.“Wilson”、“Jeffreys”、“Flat”区間は通常類似した結果を与える。“ウィルソン”の方が早いはずですが、“ジェフリー”と“フラット”の方が少しいいですが、仮説の優先度に違いがあります。通常“Wald”間隔の使用は推奨されていない.これらの情報を提供するのは比較のためである.デフォルト値は‘Wilson’である.

返品

bin_ctrNdarray

ゴミ箱の中心価値。何の項目もないゴミ箱は返品されません。

bin_halfwidthNdarray

それぞれの倉庫の半幅は bin_ctr - bin_halfwidth そして bin_ctr + bins_halfwidth それぞれのゴミ箱の左側と右側を与える.

pNdarray

それぞれのポジションの効率です

perrNdarray

形状(2，len(P))の2次元配列は，個々のビンにおけるp上と下の不確実性を表す.

参考

binom_conf_interval

各ビンにおける信頼区間を推定するための関数.

注意事項

この機能には scipy すべての間隔タイプに適用される.

実例.

天文震源を検出する効率をマグニチュードの関数(すなわち、所与の震度で震源を検出する確率)と推定したいと仮定する。現実には，ランダムに振幅を選択したソースを大量に用意し，それらをシミュレーション画像に注入し，復元パイプの末端で検出されたソースを記録する可能性がある.玩具の一例として、ランダムに選択されたサイズ20~30のデータ点を100個生成し、既知の検出関数(ここでは誤差関数、サイズ25の場合の検出確率50%)を用いて“観察”する。

>>> from scipy.special import erf
>>> from scipy.stats.distributions import binom
>>> def true_efficiency(x):
...     return 0.5 - 0.5 * erf((x - 25.) / 2.)
>>> mag = 20. + 10. * np.random.rand(100)
>>> detected = binom.rvs(1, true_efficiency(mag))
>>> bins, binshw, p, perr = binned_binom_proportion(mag, detected, bins=20)
>>> plt.errorbar(bins, p, xerr=binshw, yerr=perr, ls='none', marker='o',
...              label='estimate')

(png, svg, pdf)

上の例ではWilson信頼区間を用いて不確実性を計算している perr 各倉位において(各信頼区間の定義を参照されたい) binom_conf_interval )である。一般的な代替方法の1つはWald Intervalである.しかし，効率が0または1に近い場合，Wald間隔は無意味な不確実性を与えるため，Wald間隔は無意味な不確実性を与える. not おすすめです。一例として、以下の例では上記と同様のデータを示すが、Wilson間隔ではなくWald間隔を用いて計算する。 perr ：

>>> bins, binshw, p, perr = binned_binom_proportion(mag, detected, bins=20,
...                                                 interval='wald')
>>> plt.errorbar(bins, p, xerr=binshw, yerr=perr, ls='none', marker='o',
...              label='estimate')

(png, svg, pdf)