HOWTO · SciPy

SciPy를 사용하여 신뢰 구간 계산

데이터와 출력이 완전히 재현 가능한 t 분포와 정규 분포의 실제 예를 통해 SciPy를 사용하여 Python에서 신뢰 구간을 계산하는 방법을 배우십시오.

이 페이지의 내용

이 글은 SciPy를 사용하여 Python에서 신뢰 구간을 계산하는 데 도움을 주는 것을 목표로 합니다. 계산 부분으로 들어가기 전에, 신뢰 구간에 대한 몇 가지 기본 정보를 이해해야 합니다.

SciPy를 사용하여 신뢰 구간 계산

무언가를 측정할 때 우리는 항상 결과의 불확실성 정도를 계산해야 합니다. 신뢰 구간은 표본 데이터로부터 계산되는 값의 범위로, 추정되는 양의 참값 — 예를 들어 모집단 평균 — 을 포함하도록 구축됩니다.

누군가의 키에 대해 묻는다고 가정해 봅시다. 그 사람이 1.55미터라고 말할 수 있지만, 그것은 이 측정의 불확실성에 대해서는 아무것도 알려주지 않습니다.

과학자들은 종종 95% 신뢰 구간을 원하지만, 90%나 99%도 빈번합니다. 따라서 키를 묻는다면, 추정값이나 신뢰 구간을 제공해야 하며, 예를 들어: 95% 신뢰도로, 평균 키는 1.50미터에서 1.60미터 사이에 있습니다.

신뢰 수준은 단일 결과가 아니라 절차를 설명합니다. 모집단의 참값은 고정되어 있습니다. 표본마다 달라지는 것은 구간입니다. 95% 신뢰 수준이란 동일한 절차를 많은 표본에 반복했을 때, 생성된 구간의 약 95%가 참값을 포함하게 된다는 것을 의미합니다. 단일하게 계산된 구간은 참값을 포함하거나 포함하지 않거나 둘 중 하나입니다 — 수준은 그 하나의 구간에 대한 확률이 아니라, 그 방법의 장기적인 포함률에 대한 진술입니다.

신뢰 구간을 계산하려면 다음 공식을 사용해야 합니다:

신뢰 구간 공식

여기서:

  • x_bar는 표본 평균입니다.
  • z는 신뢰 수준 값(선택한 수준에 대한 임계값)입니다.
  • n은 표본 크기입니다.
  • s는 표본 표준 편차입니다.

어떤 분포가 임계값을 제공하는지는 고정된 표본 크기 기준이 아니라, 모집단 표준 편차에 대해 알려진 바에 달려 있습니다. 표준 편차가 표본 자체로부터 추정되는 경우, t 분포는 그 추가적인 불확실성을 자유도를 통해 고려하며, SciPy의 t.interval()은 표본 평균과 평균의 표준 오차로부터 구간을 구축합니다. 구간이 주어진 평균과 척도를 가진 정규 분포로부터 직접 구축되는 경우, norm.interval()이 해당하는 호출입니다. 아래의 두 예는 각각 하나씩 사용합니다. 둘 다 SciPy 1.18로 계산되었으며, 아래에 보고된 모든 값은 표시된 코드의 출력입니다.

t 분포 예(n=23). 서로 다른 마을에서 수집된 데이터, 23개 값의 표본이 있다고 가정합니다. confidence 매개변수를 0.95로, df를 자유도(n − 1)로, loc을 표본 평균으로, scale을 평균의 표준 오차로 설정하여 t.interval() 메서드를 사용해 그 95% 신뢰 구간을 계산합니다:

import numpy as np
import scipy.stats as stats

data = [1, 2, 3, 4, 5, 6, 7, 7, 8, 11, 12, 15, 20, 23, 24, 25, 25, 26, 27, 27, 28, 29, 29]

ci_95 = stats.t.interval(confidence=0.95, df=len(data) - 1, loc=np.mean(data), scale=stats.sem(data))
print(tuple(float(v) for v in ci_95))

출력:

(11.368862069193735, 20.28331184384974)

t 분포 CI 95%

99%를 사용할 때 신뢰 수준의 차이를 살펴보겠습니다:

ci_99 = stats.t.interval(confidence=0.99, df=len(data) - 1, loc=np.mean(data), scale=stats.sem(data))
print(tuple(float(v) for v in ci_99))

출력:

(9.767939107911449, 21.884234805132028)

t 분포 CI 99%

95% 신뢰 구간의 경우 구간은 (11.37, 20.28)이고, 99% 신뢰 구간의 경우 구간은 (9.77, 21.88)입니다. 두 구간을 비교하면, 99% CI를 사용할 때 구간이 더 넓다는 것을 알 수 있습니다: 절차가 참값을 더 자주 포착하도록 요구하면 더 넓은 범위가 필요합니다. 이는 이 특정 구간이 참값을 포함할 확률이 99%라는 의미가 아닙니다. 그것을 생성한 방법이 장기적으로 100번 중 99번 성공한다는 의미입니다.

정규 분포 예(n=60). 더 큰 데이터셋에 대해서는 표본 평균을 loc으로, 표준 오차를 scale로 하여 norm.interval() 메서드를 사용합니다. 데이터는 고정된 시드로 생성되므로, 이 예는 완전히 재현 가능합니다:

np.random.seed(0)
data = np.random.randint(40, 50, 60)

ci_95 = stats.norm.interval(confidence=0.95, loc=np.mean(data), scale=stats.sem(data))
print(tuple(float(v) for v in ci_95))

출력:

(43.697667379120034, 45.168999287546626)

정규 분포 CI 95%

99%를 사용할 때 신뢰 수준의 차이를 살펴보겠습니다:

ci_99 = stats.norm.interval(confidence=0.99, loc=np.mean(data), scale=stats.sem(data))
print(tuple(float(v) for v in ci_99))

출력:

(43.46650438268271, 45.40016228398395)

정규 분포 CI 99%

95% 신뢰 구간의 경우 구간은 (43.70, 45.17)이고, 99% 신뢰 구간의 경우 구간은 (43.47, 45.40)입니다. 앞서와 같이, 99% 구간이 더 넓은 것은 같은 이유 때문입니다: 더 높은 신뢰 수준은 절차에 대한 더 강한 요구이며, 그것은 범위를 넓힘으로써 충족됩니다.

신뢰 구간은 계산하기 간단하며 데이터 분석가와 과학자에게 가치 있는 정보를 제공할 수 있습니다. 그것들은 강력한 오차 추정을 제공하며, 적절히 적용되고 올바르게 해석될 때, 우리의 데이터로부터 가능한 한 많은 정보를 추출하는 데 진정으로 도움이 될 수 있습니다.