python - 如何获得基于时间的高标准偏差数据的置信区间？

我正在分析一些延迟（以秒为单位）。我的想法是找到适合 95% 结果的置信区间，这样我就可以对 PDF 有所了解。

从外观上看，我得到的更常见的延迟都在 30 秒以下，但最终系统中出现了一些问题，最多可以给我 25 分钟。这与我无关，因为系统工作的节奏约为每个周期 1 小时。

我的观点是，在时间相差如此之大的情况下，我的置信区间似乎“不公平”。这是我使用标准偏差得到的置信区间示例：

我的想法是找到最合适的 PDF，获取它的参数，然后单独使用它来找到我的置信区间。我测试了几个不同的分布，实际上得到了 JohnsonSU 和最适合这个数据的分布。这里是：

我是否可以单独使用 JohnsonSU 的参数，而不使用我的数据，以便找到可接受的置信区间？

标签： pythonscipyconfidence-intervaldata-fitting

您可以通过以下表达式获得置信区间：

（平均-（标准/平方（n）），平均+（标准/平方（n）））。如果您的分布是标准的并且您知道人口标准。

否则，您需要检查适合您的发行版的特定表达式。