有限总体分层抽样的误差投影：Python/R工具问询

Python 实现工具 #

• scipy.stats（内置科学计算库）：利用其hypergeom类的interval()方法，直接计算超几何分布下的总体误差数置信区间，自动处理边界情况（不会出现超出0或总体规模的结果）。
  示例代码：

  from scipy.stats import hypergeom
  
  # 定义各层参数
  strata_params = [
      {"name": "A", "N": 100, "n": 20, "x": 1},
      {"name": "B", "N": 100, "n": 20, "x": 3},
      {"name": "C", "N": 1000, "n": 30, "x": 4}
  ]
  confidence_level = 0.95
  
  # 批量计算各层上下限
  for param in strata_params:
      lower, upper = hypergeom.interval(confidence_level, param["N"], param["n"], param["x"])
      print(f"{param['name']}层总体误差数上下限: {round(lower)} - {round(upper)}")
  

R 实现工具 #

• epiR包：专门用于流行病学统计的第三方包，其中epi.hyper()函数可直接输入分层抽样参数，输出总体误差数的置信区间，完美适配样本量小、误差率为0%/100%的边界场景。
  示例代码：

  # 安装并加载包
  install.packages("epiR")
  library(epiR)
  
  # 定义各层参数
  strata_params <- list(
      A = list(obs = 1, n = 20, N = 100),
      B = list(obs = 3, n = 20, N = 100),
      C = list(obs = 4, n = 30, N = 1000)
  )
  conf_level <- 0.95
  
  # 批量计算各层上下限
  for (name in names(strata_params)) {
      res <- epi.hyper(obs = strata_params[[name]]$obs, 
                      n = strata_params[[name]]$n, 
                      N = strata_params[[name]]$N, 
                      conf.level = conf_level)
      cat(paste0(name, "层总体误差数上下限: ", res$lower, " - ", res$upper, "\n"))
  }
  

• 若不想安装第三方包，也可使用R内置stats包的qhyper()函数手动计算置信区间，但步骤相对繁琐。

内容的提问来源于stack exchange，提问作者Omi Slash