Как рассчитать 99% доверительный интервал для наклона в модели линейной регрессии в python?

StatsModels RegressionResults имеет метод conf_int(). Вот пример его использования (минимально модифицированная версия их Обычных методов наименьших квадратов пример):

import numpy as np, statsmodels.api as sm

nsample = 100
x = np.linspace(0, 10, nsample)
X = np.column_stack((x, x**2))
beta = np.array([1, 0.1, 10])
e = np.random.normal(size=nsample)

X = sm.add_constant(X)
y = np.dot(X, beta) + e

mod = sm.OLS(y, X)
res = mod.fit()
print res.conf_int(0.01)   # 99% confidence interval

Вы можете использовать линейную регрессию scipy, которая вычисляет значение r/p и стандартную ошибку: http://docs.scipy.org/doc/scipy-0.14.0/reference/generated/scipy.stats.linregress.html

РЕДАКТИРОВАТЬ: как подчеркивает Брайан, у меня был код из документации scipy:

from scipy import stats
import numpy as np
x = np.random.random(10)
y = np.random.random(10)
 slope, intercept, r_value, p_value, std_err = stats.linregress(x,y)

confidence_interval = 2.58*std_err