Я пытался запустить приведенный ниже код, чтобы вычислить верхний и нижний доверительные интервалы с использованием распределения t, но он продолжает выдавать ошибку в теме. Ниже приведен фрагмент кода:
Похоже, проблема связана с одним конкретным фрагментом кода, как показано ниже. Однако я предоставил все параметры, необходимые для расчета доверительных интервалов, включая степени свободы, но ошибка все равно выдается. Подскажите пожалуйста, где я ошибаюсь и что нужно сделать.
Следовательно, проблем нет, вплоть до последней версии блока кода, который оценивает доверительные интервалы с использованием t-распределения.
Я использовал ниже пакетов:
import pandas as pd
import numpy as np
import scipy.stats as st
import matplotlib.pyplot as plt
import matplotlib.ticker as tkr
import matplotlib.scale as mscale
from matplotlib.ticker import FixedLocator, NullFormatter
pd.options.display.float_format = '{:.0f}'.format
pd.options.mode.chained_assignment = None
Я пытался запустить приведенный ниже код, чтобы вычислить верхний и нижний доверительные интервалы с использованием распределения t, но он продолжает выдавать ошибку в теме. Ниже приведен фрагмент кода: [code]def trans_threshold(Day): Tran_Cnt=Tran_Cnt_DF[['Sample',Day]].dropna() Tran_Cnt=Tran_Cnt.astype({'Sample':'str'}) Tran_Cnt.dtypes #Finding outliers in Materiality via IQR X_Tran = Tran_Cnt.drop('Sample', axis=1) Tran_arr1 = X_Tran.values #Finding the first quartile Tran_q1= np.quantile(Tran_arr1, 0.25) # finding the 3rd quartile Tran_q3 = np.quantile(Tran_arr1, 0.75) # finding the iqr region Tran_iqr = Tran_q3-Tran_q1 # finding upper and lower outliers Tran_upper_bound = Tran_q3+(1.5*Tran_iqr) Tran_lower_bound = Tran_q1-(1.5*Tran_iqr) # removing outliers Tran_arr2 = Tran_arr1[(Tran_arr1 >= Tran_lower_bound) & (Tran_arr1 = Tran_lower_bound) & (Tran_arr1 19 Tran_Threshold_mat=st.t.interval(alpha=0.99999999999, df=len(Tran_arr2-1), 20 loc=np.mean(Tran_arr2), 21 scale=st.sem(Tran_arr2))
TypeError: rv_generic.interval() missing 1 required positional argument: 'confidence' [/code] Похоже, проблема связана с одним конкретным фрагментом кода, как показано ниже. Однако я предоставил все параметры, необходимые для расчета доверительных интервалов, включая степени свободы, но ошибка все равно выдается. Подскажите пожалуйста, где я ошибаюсь и что нужно сделать. [code]Tran_Threshold_mat=st.t.interval(alpha=0.99999999999, df=len(Tran_arr2-1), loc=np.mean(Tran_arr2), scale=st.sem(Tran_arr2))
TypeError: rv_generic.interval() missing 1 required positional argument: 'confidence' [/code] Кроме того, список Tran_arr2 выглядит следующим образом: [code]array([12617., 12000., 1123., 537., 8605., 4365., 11292., 12231., 7640., 9583., 9257., 13864., 14682., 11744., 10501., 8694., 5327., 10066., 13022., 11092., 7444., 11658., 14920., 12849., 14681., 5719., 11029., 3814., 14703., 5593., 9772., 8851., 9551., 15975., 6532., 13827., 8547.]) [/code] Следовательно, проблем нет, вплоть до последней версии блока кода, который оценивает доверительные интервалы с использованием t-распределения. Я использовал ниже пакетов: [code]import pandas as pd import numpy as np import scipy.stats as st import matplotlib.pyplot as plt import matplotlib.ticker as tkr import matplotlib.scale as mscale from matplotlib.ticker import FixedLocator, NullFormatter pd.options.display.float_format = '{:.0f}'.format pd.options.mode.chained_assignment = None [/code] Пожалуйста, помогите.
Я пытался запустить приведенный ниже код, чтобы вычислить верхний и нижний доверительные интервалы с использованием распределения t, но он продолжает выдавать ошибку в теме. Ниже приведен фрагмент кода:
def trans_threshold(Day):...
Я пытался запустить приведенный ниже код, чтобы вычислить верхний и нижний доверительные интервалы с использованием распределения t, но он продолжает выдавать ошибку в теме. Ниже приведен фрагмент кода:
def trans_threshold(Day):...
Я пытался запустить приведенный ниже код для расчета верхних и более низких доверительных интервалов с использованием распределения T, но он продолжает бросать ошибку в субъект. Кусок кода такой, как ниже:
import pandas as pd
import numpy as np...