一个作业问题要求我计算平均值的置信区间。当我使用传统方法并使用numpy.percentile（）时，我得到了不同的答案。
我认为我可能会误解如何或何时使用np.percentile（）。我的两个问题是： 1.我使用的是错误的-输入错误等。 2.我在错误的地方使用它-应该用于引导CI，而不是常规方法吗？
我已经通过传统公式和np.percentile（）计算了CI。
price = np.random.normal(11427, 5845, 30)
# u = mean of orginal vector
# s = std of original vector
print(price)
[14209.99205723 7793.06283131 10403.87407888 10910.59681669 14427.87437741 4426.8122023 13890.22030853 5652.39284669 22436.9686157 9591.28194843 15543.24262609 11951.15170839 16242.64433138 3673.40741792 18962.90840397 11320.92073514 12984.61905211 8716.97883291 15539.80873528 19324.24734807 12507.9268783 11226.36772026 8869.27092532 9117.52393498 11786.21064418 11273.61893921 17093.20022578 10163.75037277 13962.10004709 17094.70579814]
x_bar = np.mean(price) # mean of vector
s = np.std(price) # std of vector
n = len(price) # number of obs
z = 1.96 # for a 95% CI
lower = x_bar - (z * (s/math.sqrt(n)))
upper = x_bar + (z * (s/math.sqrt(n)))
med = np.median(price)
print(lower, med, upper)
10838.458908888499 11868.68117628698 13901.386475143861
np.percentile(price, [2.5, 50, 97.5])
[4219.6258866 11868.68117629 20180.24569667]
ss.scoreatpercentile(price, [2.5, 50, 97.5])
[4219.6258866 11868.68117629 20180.24569667]
我希望下，中和上等于np.percentile（）的输出。
中位数相同时-上下差异很大。
此外，scipy.stats.percentile提供的输出与numpy.percentile相同。
有什么想法吗？
谢谢！
编辑以显示价格向量。
答案 0 :(得分：0)
置信区间和百分位数不是一回事。这两件事的公式大不相同
您拥有的样本数量将影响您的置信区间，但不会改变（很大）百分位数。
例如
price = np.random.normal(0, 1, 10000)
print (np.percentile(price, [2.5, 50, 97.5])
给予
[-1.97681778 0.01808908 1.93659551]
和
price = np.random.normal(0, 1, 100000000)
print (np.percentile(price, [2.5, 50, 97.5]))
几乎相同：
[-1.96012643 9.82108813e-05 1.96030460]
但是运行CI计算代码后，如果大量增加样本数，则置信区间将会缩小-因为您现在有95％的信心认为分布的平均值在较小范围内。
使用相同的2个价格数组（均值= 0，标准差= 1），包含10个样本和10,000个样本，您的结果是：
-0.5051688819759096 0.17504324224822834 0.744716862363091 # 10 samples
-0.02645090158517636 -0.006759616493022626 0.012353106820212557 # 10000 samples
如您所见，带有更多样本的CI较小（正如您所期望的，考虑到CI的公式！）