Доля отмен заказов: покажите интервал рядом с процентом

Маленькая выборка заказов может дать резкий процент отмен. Перед выводом о качестве процесса покажите число наблюдений и неопределённость оценки. Для биномиальной модели в SciPy можно получить доверительный интервал доли.

Подготовьте бинарный исход

Выберите одну сопоставимую группу заказов и правило наблюдения. Каждый заказ должен иметь один итог: отменён по выбранному определению или нет. Заранее определите причины отмен, период формирования группы и достаточный срок ожидания результата. Неразобранный заказ не должен незаметно превращаться в «не отменён».

Нужны целые числа: n равно количеству заказов с известным итогом, k равно количеству отмен среди них. Отдельно покажите число заказов с ещё неизвестным исходом. Не считайте строки товаров независимыми заказами и не включайте несколько статусов одной истории как разные наблюдения.

Рассчитайте долю и границы

from scipy.stats import binomtest

# k и n получены из вашего проверенного реестра
if not isinstance(k, int) or not isinstance(n, int):
    raise ValueError('Нужны целые количества')
if n <= 0 or not 0 <= k <= n:
    raise ValueError('Проверьте число заказов и отмен')

result = binomtest(k, n, alternative='two-sided')
ci = result.proportion_ci(confidence_level=0.95, method='exact')
share = k / n
lower, upper = ci.low, ci.high

По документации SciPy, method='exact' использует метод Клоппера–Пирсона, а low и high возвращают границы интервала. В этом расчёте используется интервал, а не pvalue биномиального теста. Значение p по умолчанию в binomtest не является вашим нормативом отмен.

В отчёте умножьте share, lower и upper на 100 для отображения процентов. Рядом оставьте k, n, уровень доверия и метод. Не обрезайте расчёт до округлённого процента и не заменяйте нулевую наблюдённую долю утверждением, что риск отмен отсутствует.

Проверьте предпосылки

Биномиальная модель предполагает независимые исходы с общей вероятностью. Массовый сбой, несколько связанных заказов одного покупателя, различия каналов или изменение процесса могут нарушать эту картину. В таком случае разделите обоснованные группы или обсудите другую модель с аналитиком, а не повышайте число знаков после запятой.

Интервал не исправляет неполную выгрузку и неправильное определение отмены. Он описывает статистическую неопределённость в рамках модели, но не доказывает причину отмен. Это не диапазон, куда обязана попасть доля следующей недели, и не вероятность конкретного заказа.

Передайте вывод вместе с ограничениями

Покажите долю и интервал на одном составе заказов, дату наблюдения и незавершённые случаи. Для сравнения двух процессов не используйте одно пересечение интервалов как готовый тест различия: это отдельная аналитическая задача. Рабочий результат: читатель видит не только процент, но и объём данных, способ оценки и основания, по которым вывод ещё может быть предварительным.