Question

我有这个数据集：

ItemNumber  Successes   Trials    Prob
15          14           95       0.047
9625        20           135      0.047
19          14           147      0.047
24          12           120      0.047
20          15           133      0.047
22          8            91       0.047
9619        16           131      0.047
10006       8            132      0.047
25          15           127      0.047

我想确定每个项目的culmulative二项分布p值，以了解观察项目出现次数相等或更高的概率。

我使用了这段代码：

import sys
import scipy
from scipy.stats.distributions import binom
import sys

for line in open(sys.argv[1], 'r').readlines():
    line = line.strip().split()
    Item,num_succ,num_trials,prob = line[0],int(line[1]),int(line[2]),float(line[3])
    print Item + "\t" + str(num_succ) + "\t" + str(num_trials) + "\t" + str(prob) + "\t" + str(1 - (binom.cdf(num_succ, num_trials, prob)))

输出如下：

Item    NumSucc NumTrials   Prob    Binomial
15      14      95         0.047    3.73e-05
9625    20      135        0.047    1.48e-06
19      14      147        0.047    0.004
24      12      120        0.047    0.0043
20      15      133        0.047    0.00054
22      8       91         0.047    0.027
9619    16      131        0.047    0.0001
10006   8       132        0.047    0.169
25      15      127        0.047    0.0003

问题：当我选择一行并根据以下在线工具检查获得的累积二项式p值时：http://stattrek.com/online-calculator/binomial.aspx，结果不一样。

例如，

对于第20项（#sucescesses = 15，＃trials = 133，Prob = 0.047）：

My Binomial P Val = 0.00054
StatTrek P Val = 0.0015

但是，我可以从StatTrek看到，我查找的是Culmulative Probability： P（X＆gt; 15），但是因为我想＆＃34;等于或大于＆＃ 34;，我实际想要计算的是 P（X> = 15）（即0.0015）。

我正在努力正确编辑上述代码，更改从＆＃34返回的P值;查找大于＆＃34; 的发生次数为＆＃34 ;找出大于或等于＆＃34; 的发生次数。如果有人能证明我会很感激。如果你看一下this question，我就试着关注Volodymyr的评论。

Answer 1

二项分布是离散分布。因此以下是真实的 P（X> 14）= P（X> = 15）。

因此，如果binom.cdf计算P（X> N）的概率（是吗？我没有找到它的文档），你必须将它改为P（X> N - 1）测试P（X> = N）。

Answer 2

如果您想为每条记录计算p_value，请使用此代码，方法更简单：

#alternative : {‘two-sided’, ‘greater’, ‘less’},
from scipy.stats import binom_test
binom_test(x= number_of_occurance, n = number_of_trail, p= probability, alternative= 'greater')

Python，计算二项式P值：此代码看起来是否合适？

2 个答案: