LN0SCIs 0.1.2

简介

这个python包基于xu等人的关于对数正态总体均值与零之比的同时置信区间的论文。给出了多零点对数正态总体均值比的同时置信区间的构造方法。最后，我们选择了4种基于广义关键量和两步移动区间的最优方法。为了使用方便，我们制作了一个名为ln0scis的python包，它在cran上还有一个r版本的包：https://CRAN.R-project.org/package=LN0SCIs

• 如果您是r用户，可以通过github在r内核中安装：
  • devtools：：安装github（'dataxujing/ln0scis'）
• 或者也可以通过cran安装：
  • 安装.packages（'ln0scis'）
• 如果您是python用户，则可以
  • pip安装ln0scis

方法

我们在ln0scis包中提供了四个主要函数：fgw（）、fgh（）、moverw（）和moverh（），如果您想深入了解这四种方法，可以阅读我们的论文：带零对数正态总体平均数比的同时置信区间。我们信任github的代码。如果你想知道如何实现它们，你可以阅读源代码。

示例

• fgw（）

from LN0SCIs import *
#Example1:
alpha = 0.05
p = np.array([0.2,0.2,0.2])
n = np.array([30,30,30])
mu = np.array([0,0,0])
sigma = np.array([1,1,1])
N = 1000
FGW(n,p,mu,sigma,N)
#Example2:
p = np.array([0.1,0.1,0.1,0.1])
n = np.array([30,30,30,30])
mu = np.array([0,0,0,0])
sigma = np.array([1,1,1,1])
C2 = np.array([[-1,1,0,0],[-1,0,1,0],[-1,0,0,1],[0,-1,1,0],[0,-1,0,1],[0,0,-1,1]])
N = 1000
FGW(n,p,mu,sigma,N,C2 = C2)

====================Method: FGW=====================
The Simultaneous Confidence Intervals are:
     The1th CIs            The2th CIs            The3th CIs
0  【-0.843638,0.789044】  【-0.629208,1.075959】  【-0.604469,1.158544】
**********************Time**************************
The cost time is:0 secs
====================Method: FGW=====================
The Simultaneous Confidence Intervals are:
     The1th CIs           The2th CIs           The3th CIs  \
0  【-0.912169,1.578679】  【-1.02404,0.812882】  【-0.83778,1.382352】

     The4th CIs            The5th CIs           The6th CIs
0  【-1.597962,0.650222】  【-1.337939,1.203199】  【-0.546039,1.25945】
**********************Time**************************
The cost time is:0 secs

• fgh（）

alpha = 0.05
p = np.array([0.2,0.2,0.2])
n = np.array([30,30,30])
mu = np.array([0,0,0])
sigma = np.array([1,1,1])
N = 1000
FGH(n,p,mu,sigma,N)
#Example2:
p = np.array([0.1,0.1,0.1,0.1])
n = np.array([30,30,30,30])
mu = np.array([0,0,0,0])
sigma = np.array([1,1,1,1])
C2 = np.array([[-1,1,0,0],[-1,0,1,0],[-1,0,0,1],[0,-1,1,0],[0,-1,0,1],[0,0,-1,1]])
N = 1000
FGH(n,p,mu,sigma,N,C2 = C2)

====================Method: FGH=====================
The Simultaneous Confidence Intervals are:
     The1th CIs            The2th CIs            The3th CIs
0  【-0.992276,1.455247】  【-0.703231,1.372774】  【-1.005873,1.124758】
**********************Time**************************
The cost time is:0 secs
====================Method: FGH=====================
The Simultaneous Confidence Intervals are:
    The1th CIs            The2th CIs            The3th CIs  \
0  【-1.62426,0.624984】  【-1.514528,0.553936】  【-1.565943,0.911157】

    The4th CIs            The5th CIs           The6th CIs
0  【-0.66646,1.010746】  【-0.829753,1.269381】  【-0.762683,1.07889】
**********************Time**************************
The cost time is:0 secs

• moverw（）

alpha = 0.05
p = np.array([0.2,0.2,0.2])
n = np.array([30,30,30])
mu = np.array([0,0,0])
sigma = np.array([1,1,1])
N = 1000
MOVERW(n,p,mu,sigma,N)
#Example2:
p = np.array([0.1,0.1,0.1,0.1])
n = np.array([30,30,30,30])
mu = np.array([0,0,0,0])
sigma = np.array([1,1,1,1])
C2 = np.array([[-1,1,0,0],[-1,0,1,0],[-1,0,0,1],[0,-1,1,0],[0,-1,0,1],[0,0,-1,1]])
N = 1000
MOVERW(n,p,mu,sigma,N,C2 = C2)

====================Method: FGH=====================
The Simultaneous Confidence Intervals are:
     The1th CIs            The2th CIs            The3th CIs
0  【-1.103496,1.211033】  【-1.030952,0.888781】  【-1.314926,1.059975】
**********************Time**************************
The cost time is:0 secs
====================Method: FGH=====================
The Simultaneous Confidence Intervals are:
    The1th CIs            The2th CIs            The3th CIs  \
0  【-1.68825,0.349316】  【-1.270833,1.236153】  【-1.304731,1.053776】

     The4th CIs            The5th CIs            The6th CIs
0  【-0.349427,1.679719】  【-0.364992,1.484843】  【-1.294225,1.071433】
**********************Time**************************
The cost time is:0 secs

• 移动右侧（）

alpha = 0.05
p = np.array([0.2,0.2,0.2])
n = np.array([30,30,30])
mu = np.array([0,0,0])
sigma = np.array([1,1,1])
N = 1000
MOVERH(n,p,mu,sigma,N)
#Example2:
p = np.array([0.1,0.1,0.1,0.1])
n = np.array([30,30,30,30])
mu = np.array([0,0,0,0])
sigma = np.array([1,1,1,1])
C2 = np.array([[-1,1,0,0],[-1,0,1,0],[-1,0,0,1],[0,-1,1,0],[0,-1,0,1],[0,0,-1,1]])
N = 1000
MOVERH(n,p,mu,sigma,N,C2 = C2)

====================Method: FGH=====================
The Simultaneous Confidence Intervals are:
     The1th CIs            The2th CIs          The3th CIs
0  【-1.013305,0.765726】  【-1.152934,0.823283】  【-0.914194,0.8239】
**********************Time**************************
The cost time is:0 secs
====================Method: FGH=====================
The Simultaneous Confidence Intervals are:
     The1th CIs            The2th CIs           The3th CIs  \
0  【-0.681666,1.693927】  【-0.750657,1.458978】  【-1.21012,0.855608】

     The4th CIs            The5th CIs            The6th CIs
0  【-1.302431,1.003355】  【-1.762379,0.407925】  【-1.527028,0.467458】
**********************Time**************************
The cost time is:0 secs

支持

在Python2.7、3.5、3.6上测试

• pip安装ln0scis
• 下载：https://pypi.python.org/pypi/LN0SCIs
• 文档：https://github.com/DataXujing/LN0SCIs
• 它有一个我们已经创建的r包版本，您可以看到详细信息：https://CRAN.R-project.org/package=LN0SCIs

你可以登录徐静的主页https://dataxujing.coding.me或https://dataxujing.github.io找到作者，如果你想了解更多关于混合分布同时置信区间的知识，你应该读一读徐静、李新民、华亮的论文《零对数正态总体均值比的模拟置信区间》。