beta函数与置信度估计
可信度的估计
- 二项分布中的\(p\) 服从Beta分布 $ {\rm beta}(\alpha, \beta)$, 密度函数 \(\frac1{B(\alpha, \beta)} x^{\alpha-1} (1-x)^{\beta -1}\)
- 均值 \(\frac \alpha {\alpha + \beta}\)
- 方差 \(\frac {\alpha \beta} {(\alpha+\beta)^2 (\alpha+ \beta + 1) } \)
from scipy.stats import betadef confidence(n_bad, n_good, tol=2):''' 返回估计的坏率p, 以及在tol倍标准差下的可信度'''a, b = n_bad+1, n_good+1p = a / (a+b)v = beta.std(a, b)up, low = min(1, p + v*tol), max(0, p - v*tol)d = beta.cdf(up, a,b) - beta.cdf(low, a,b)return p, v, dtest_set = [(500, 20000, 2), (1000, 200000, 2), (2000, 200000, 2), (5000, 200000, 2),(500, 100000, 2), (1000, 100000, 2), (2000, 100000, 2), (5000, 100000, 2), (2000, 10000, 2),
]print(" bad; total; 均值p; 标准差v; 均值的相对误差e; 置信度")
for (n_bad, n_good, tol) in test_set:p,v,d = confidence(n_bad, n_good, tol)ss = ('{:5d};{:7d}; p={p:0.4f}; v={v:0.6f}; e={e:0.3f}; ' + '均值在[p - {t}v, p + {t}v]的概率 {d:2.2f}%').format(n_bad, n_bad+n_good, p=p,v=v, c=v/p, d =d*100,t=tol, e=tol*v/p)print(ss)
bad; total; 均值p; 标准差v; 均值的相对误差e; 置信度500; 20500; p=0.0244; v=0.001078; e=0.088; 均值在[p - 2v, p + 2v]的概率 95.46%1000; 201000; p=0.0050; v=0.000157; e=0.063; 均值在[p - 2v, p + 2v]的概率 95.46%2000; 202000; p=0.0099; v=0.000220; e=0.044; 均值在[p - 2v, p + 2v]的概率 95.45%5000; 205000; p=0.0244; v=0.000341; e=0.028; 均值在[p - 2v, p + 2v]的概率 95.45%500; 100500; p=0.0050; v=0.000222; e=0.089; 均值在[p - 2v, p + 2v]的概率 95.46%1000; 101000; p=0.0099; v=0.000312; e=0.063; 均值在[p - 2v, p + 2v]的概率 95.46%2000; 102000; p=0.0196; v=0.000434; e=0.044; 均值在[p - 2v, p + 2v]的概率 95.45%5000; 105000; p=0.0476; v=0.000657; e=0.028; 均值在[p - 2v, p + 2v]的概率 95.45%2000; 12000; p=0.1667; v=0.003402; e=0.041; 均值在[p - 2v, p + 2v]的概率 95.45%
结论: 坏样本大于2000以上, 在95%置信度下, 坏率的相对误差<5%
转载于:https://www.cnblogs.com/bregman/p/10510308.html
beta函数与置信度估计相关推荐
- java实现Beta函数
<dependency><groupId>org.apache.commons</groupId><artifactId>commons-math3&l ...
- C++: 评估不完整的 Beta 函数(附完整源码)
C++: 评估不完整的 Beta 函数 test.hpp test.cpp test.hpp void beta_inc_values ( int &n_data, double &a ...
- 高数篇(一)-- Gamma 函数 VS Beta 函数
Gamma 函数和 Beta 函数是最基本也是最重要的两个特殊函数,它们如同基石般奠定了整个特殊函数论大厦的基础.相信你在微积分和统计里,经常看到他们的身影,所以快来 get Gamma 函数和 Be ...
- 欧拉Gamma函数、Beta函数、余元公式
目录 一,欧拉Gamma函数 1,Gamma函数 2,t^a * (1-t)^b的定积分 3,Gamma函数的高斯形式 4,sin πx 5,其他形式 二,余元公式 1,余元公式 2,应用 三,欧拉B ...
- Beta函数/Gamma函数/二项分布概率分布
最近在学习贝叶斯方面的内容,有一个例子涉及到二项分布,然后还和beta函数,gamma函数有些关系,因为不太熟悉,所以整理一下. B\BetaB函数 wiki: https://en.wikipedi ...
- 两个Beta函数类型的积分及其一般形式
\[\Large\displaystyle \int_{0}^{1}\frac{\sqrt[4]{x\left ( 1-x \right )^{3}}}{\left ( 1+x \right )^{3 ...
- BETA函数的简单证明
定义: 性质: beta函数的求解需要依赖于gamma函数,且满足以下公式 证明: 划线部分存的替换在一定的技巧性,不需要掌握. 通过以上建立了beta函数与gamma函数之间的联系,解决此类积分问题 ...
- Beta函数与Gamma函数及其与Beta分布的关系
相关函数在scipy.special import scipy.special as ss ss.beta(x1, x2) 相关分布(概率密度)在scipy.stats import scipy.st ...
- matlab如何绝对值函数,概率密度函数估计matlab命令 A a abs 绝对值、(2)
del2 离散Laplacian差分 demo Matlab演示 det 行列式 diag 矩阵对角元素提取.创建对角阵 diary Matlab指令窗文本内容记录 diff 数值差分.符号微分 di ...
- Beta函数和Gamma函数的关系
最新文章
- NSAutoreleasePool
- 一致性hash算法_分布式寻址算法
- 机器学习基础专题:主成分分析技术PCA
- python怎么识别拼音-python获取一组汉字拼音首字母的方法
- c++连接mongodb出错
- springboot链接MySQL线程池_SpringBoot中的数据库连接池
- cshtml中引用css_css基础必备-使用样式,前端小白一看就会
- 软件测试工程师核心竞争力(转)
- div超出不换行_div+CSS设置一行内文字超过宽度不换行且不显示
- python PPT学习资料分享
- 如何在PR中同步音频和视频
- Laravel框架从零搭建
- 塔望·食品品牌营销|如何把私域流量做成私域“留量”
- java put方法_java 实现Put request
- Finder教程|如何自定义访达工具栏?
- CSS实现图片文字排版02
- java utf-8_java如何把string转为utf-8
- 数据结构学习(一):入门
- 二手机器人进口报关_日本二手机器人进口报关案例:进口中检及清关流程
- 面试官问:ZooKeeper 有几种节点类型?别回答 4 种啦
热门文章
- activemq_CVE-2015-5254_漏洞复现_源码分析
- 【IoT】产品设计:结构设计之堆叠设计流程(二)
- 三级网络技术--宽带接入技术--XDSL
- 7月1日天刀服务器维护,天涯明月刀7月1日满级新服_天刀满级新服天命风流入君怀_3DM网游...
- Python文字识别
- Vue2源码学习笔记 - 12.响应式原理—Dep 类详解
- crispr基因编辑_用CRISPR编程基因组
- 阿里云服务器配置好了,为什么访问不了?阿里云安全组放行1433端口设置您知道吗?
- 计算机网络技能大赛感受,技能大赛心得体会
- Excel作图-子母饼图绘制