置信序列与一致边界
confseq的Python项目详细描述
置信序列和均匀边界
这个库支持计算均匀边界，置信序列， 总是有效的p值。这些结构在顺序A/B中很有用 测试、最佳臂识别和其他顺序统计 程序。主要参考文献是
S.R.霍华德，A.拉姆达斯，J.麦考利夫，J.塞孔。统一、非参数， 非渐近置信 序列。预印本，arxiv:1810.08240。
此外，该库还包括一些分位数置信度函数 基于
的序列和A/B测试S.R.霍华德，A.拉姆达斯。分位数的序贯估计及其应用 至A/B-测试和最佳ARM 标识。预印本，arxiv:1906.09712。
这个图书馆处于早期开发阶段，不应考虑 稳定的。我只在MacOS Mojave上的Python3.7.0上测试过它。这个 实现是在C++中的，编译器需要用C++ 14来支持编译。 包裹。
安装python包
运行pip3 install confseq
演示
在随机试验中估计平均治疗效果
demo/ate_demo.py演示如何计算平均值的置信序列
一项随机试验的治疗效果，其潜在疗效有限
具有始终有效的p值序列。该方法基于
并利用伽玛指数混合边界。此演示需要
numpy和pandas
分位数置信序列
demo/quantiles.py演示如何使用一些包含的边界来
基于
身份证样本。该文件包含一个函数，用于估计单个
分位数，以及同时估计所有分位数的函数
分位数和时间上的误差控制一致。
均匀边界
confseq.bounders模块实现了
置信序列纸。
有四个混合边界。这些由函数实现
<；type>；_log_mixed（）和<；type>；_mixed_bound（），其中<；type>；是正常（命题4和命题5），伽马指数（命题8），伽马泊松（命题9），或贝塔二项（命题6和7）。<；type>；_log_mixed（s，v，…）返回混合的对数 当被叫来与s_t，鞅和v_t，the 内在时间过程。这个值的指数的倒数是 始终有效的p值。这些函数在 纸.<<；type>；_mixed_bound（v，alpha，…）返回具有 最大α交叉概率，在固有时间v下计算。
每个函数都有另一个必需的参数
v_opt和一个可选的 参数alpha_opt=0.05。这些参数用于设置调整 每种混合物的参数，在文中用rho或r表示，优化 内禀时间具有交叉概率alpha_opt的均匀边界v_opt。本文第3.5节讨论了这种调谐。伽马指数和伽马泊松混合物也需要一个标度 参数
c。β二项混合物需要范围参数g和h。最后，函数接受 可选的布尔参数是单向的，默认情况下是真的。如果false，使用这些混合物的双面变体（命题4 6）聚几何缝合边界（见定理1和随后的例子） 通过
poly_-stitching_-bound实现。除了v和alpha，这个 函数需要调整参数v_min和可选参数c、s和eta，所有这些都记录在论文中。该模块还包括一个
bernoulli_confidence_sequence函数 计算任意有界分布均值的置信序列 利用次伯努利条件支持。观察结果必须 按比例缩放，使支架在单位间隔[0，1]内。
所有函数都接受numpy数组并执行矢量化操作。
分位数界限
confseq.quantiles模块实现两个分位数的一致置信
分位数纸上的序列。
经验过程_lil_bound基于定理2，可用于 构造分位数的重对数率置信序列，其中 所有分位数的置信半径（分位数空间）都是常数。这个 也可用于运行 第7.2节双缝合界限基于定理3，可用于构造 其中置信半径（分位数）为 空间）变化，对于接近0和1的极端分位数，变得更小。
最后，分位数ab_p_值实现
假设两个总体对于某个分位数具有相等的值，基于
定理5。这个定理涵盖了除等式以外的零假设的检验，如
以及单面测试，但尚未实现。
C++库
下面的实现是在单个文件中，只在头文件中添加C++库
src/confseq/uniform_bounders.h。文件顶部定义了
接口镜像上述python接口。下面是一个
面向对象的接口对于更复杂的工作很有用。这个
confseq.bounderspython模块是由
pybind11
单元测试
<> >运行<代码> --C/PAT/OT/CONSEQ /测试RunTest<（代码）>以运行C++单元测试。欢迎加入QQ群-->： 979659372
