正态分布-区间估计之单侧和双侧

最新推荐文章于 2024-08-14 08:23:02 发布

现实、狠残酷

最新推荐文章于 2024-08-14 08:23:02 发布

阅读量4k

点赞数

分类专栏：数据统计文章标签： python 开发语言

本文链接：https://blog.csdn.net/qq_34184505/article/details/127753783

版权

数据统计专栏收录该内容

4 篇文章 0 订阅

订阅专栏

区别

很简单,正态分布都是左右对称的．在左测就是的分位点是α/2,右侧是1-α/2．

假设一：双侧假设,拒绝区域在两边而且两边对称,在题目问你”是否相等?”的时候用
H0:μ＝μ0,H1:μ≠μ0,拒绝区域：u的绝对值大于u1-α/2,1-α/2在下角．

假设二,上侧拒绝,拒绝区域在左边,题目问你”小于””是否比XX快”时使用．
H0:μ≤μ0,H1:μ＞μ0,拒绝区域：u大于u1-α,1-α在下角．

假设三,下侧拒绝,拒绝区域在右边,题目问你”大于””是否比XX慢”时使用．
H0:μ≥μ0,H1:μ＜μ0,拒绝区域：u小于u α,α在下角
所以当你的结论和U比较时,就知道是接受还是拒绝,

示例

根据实际需求来定的。
比如，验证一群学生的平均身高是否显著等于170cm，这时就应该用双侧，因为偏大或者偏小都会拒绝平均身高=170cm这一假设；
验证一群学生的平均身高是否显著大于170cm，这时就应该用单侧，因为只有在偏小的情况下，即落在左半部分才会拒绝平均身高>170cm这一假设；

代码

from scipy import stats
stats.norm.ppf(0.97)
Out[4]: 1.8807936081512509

stats.norm.interval(0.94,loc=0,scale=1)
Out[5]: (-1.8807936081512509, 1.8807936081512509)

关注博主即可阅读全文

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

现实、狠残酷

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

单个、双个正态分布区间估计--R code

Vac_cat的博客

12-21

4588

代码是选修课《数据分析与统计》上附加题，可直接应用。欢迎纠错。#***************** #本程序利用R分布别做出单个、双个正态分布总体 #区间估计的均值和双侧、单侧置信区间 #包含4个函数 #code by Vac 2017.12.8 #*****************#单个正态分布 #u的区间估计，sigma已知 onenorm_u_sigma<-function(X,sigma,a

非正态总体区间估计

yangxiao的博客

10-13

2744

非正态总体区间估计 前期摘要之前已经写过关于正态总体下区间估计的计算方式，其中包括单正态总体和双正态总体两种，本篇文章主要围绕非正态总体下如何进行区间估计。上期补充单侧置信区间定义总体x的分布函数为F(x;θ)，其中θ是未知参数(待估量)，X1，X2，K，Xn为总体X的样本，给定概率α(0<α<1)，如果存在统计量θ1=(X1,X2,K,Xn)，能够满足P{θ>θ1}=1-α，则称(θ1, +∞)为θ的置信水平为1-α的单侧置信区间。θ1为置信下界，上界情况同理!。计算计算过

参与评论您还未登录，请先登录后发表或查看评论

【统计学】正态分布

探索世界，改变世界

10-22

1万+

正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution），最早由A.棣莫弗在求二项分布的渐近公式中得到。高斯在研究测量误差时从另一个角度导出了它。正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。 正态分布单峰与分布的均值、中位数和众数相对应。它的离散程度可以用标准差表示。 ...

【数理统计】均值检验（双侧、单侧）和区间估计

不负时光可怜人

11-29

9062

在统计推断中有两类问题，一类为估计问题，一类为假设检验。估计问题中主要包括**点估计**和**区间估计**，点估计是估计出一个分布中**未知参数的值**，**区间估计则是估计出一个分布中未知参数所在的范围**。 区间估计最终要估计出未知参数所在的区间，这个区间就是经常听到的**置信区间； T检验，U检验

正态总体的区间估计

naozibuok的博客

12-12

1285

估计的根本都是用样本来估计总体，从总体中抽取样本，通过计算得到样本观测值，就把总体的参数估计到样本观测值中。在区间估计中，通过样本得到两个观测值θ1、θ2(θ1

用Python对正态分布样本进行区间估计

Harvest！！

07-05

3445

介绍在有参估计中，我们有两种常见的估计参数的方法：点估计 区间估计 本次估计方法，就是介绍一下用Python对正态分布样本进行区间估计的方法。数学方法概述对呈正态分布的样本的参数进行区间估计的方法，我们大致可以分成两类：去估计μ\muμ和去估计σ\sigmaσ，在估计μ\muμ 或σ\sigmaσ又分别有2种情况，则一共有以下四种情况：已知σ\sigmaσ求μ\muμ 未知σ\sigmaσ求μ\muμ 已知μ\muμ求σ\sigmaσ 未知μ\muμ求σ\sigmaσ 面对4种不同的情况

概率统计Python计算：双正态总体均值差的单侧区间估计

u012958850的博客

05-23

1039

与计算双正态总体均值差的双侧区间估计相仿，我们可以调用单正态总体均值的单侧置信区间的计算函数muBound（详见博文《单个正态总体均值的单侧区间估计》）计算双正态总体均值差的单侧区间估计：只需对参数mean传递样本均值差x‾−y‾\overline{x}-\overline{y}x−y，参数d传递σ12n1+σ22n2\sqrt{\frac{\sigma_1^2}{n_1}+\frac{\sigma_2^2}{n_2}}n1σ12+n2σ22或sw1n1+1n2s_w\sqrt{\frac{

正态分布容许区间PPT学习教案.pptx

10-08

- **临界值**：对于给定的双侧尾部概率α，双侧临界值为Zα/2，单侧临界值分别为Zα（右侧）和-Zα（左侧）。 5. **正态分布的应用**： - 在统计推断中，如置信区间的计算，假设检验等，常利用正态分布的性质进行...

置信区间用计算机如何计算,正态分布置信概率和置信区间的计算机自动计算

weixin_42516490的博客

06-25

1271

本文提出了不确定度分析中常用的正态分布置信概率、置信区间的几种近似算法。并根据这些算法的数学模型设计了计算程序,对实际计算结果进行了验证。维普资讯 http://doc.xuehai.net●匝墨匪曩蹬匿曰田学术论文S试正态分布置信概率和置信区间的计算机自动计算刘继义/东省计量科学研究院山■_—■——■—●●≥本文提出了不确定度分析中常用的正态分布置信概率、置信区间的几种近似算法蠢并根毒邀些算法的...

01-74&7.5正态总体均值和方差的单双侧估计.docx

01-04

- 双侧和单侧置信区间是估计参数的重要工具，双侧区间提供更保守的估计，而单侧区间可以提供更窄的范围，但需要谨慎处理，因为单侧置信区间可能会排除实际参数值。 6. **难点**： - 选择合适的样本函数，如Z统计...

统计学第3天之单侧检验与双侧检验

最新发布

指针先生

08-14

988

如果给出了P值就不用再过多的关注α了，显著性水平由你自己定，你觉得多大显著就显著，通常P≯0.1，因此α通常取0.1、0.01、0.05，如果P值落在不同地方显著性水平不同，落在临界值附近，和落在临界值很远的地方（需要思考了为什么差别会折磨大）如果P值很小，说明此种情况发生的概率很小，如果出现了，根据小概率时间原理，有理由拒绝原假设，P值越小，拒绝原假设的理由越充分。因为P值很小的情况下，取出来的异常值的概率就越小，因此P值越小的情况下，此时取出了异常值，这是P值越小拒绝原假设H0的理由就越充分。

概率统计Python计算：单个正态总体均值的单侧区间估计

u012958850的博客

05-19

2031

计算单个总体XXX~N(μ,σ2)N(\mu,\sigma^2)N(μ,σ2)的参数μ\muμ对给定置信水平1−α1-\alpha1−α的单侧置信区间，方法与计算双侧置信区间大同小异。计算枢轴量分布（已知σ2\sigma^2σ2为N(0,1)N(0,1)N(0,1)，未知σ2\sigma^2σ2为t(n−1)t(n-1)t(n−1)）概率为置信度1−α1-\alpha1−α的单侧分位数aaa或bbb；计算增量因子ddd（已知σ2\sigma^2σ2为σ2n\sqrt{\frac{\sigma^2}{n

概率统计Python计算：单个正态总体方差的单侧区间估计

u012958850的博客

05-21

1097

对函数sigma2Interval（详见博文《单个正态总体方差的双侧区间估计》）稍作修改，就可得到计算总体参数σ2\sigma^2σ2单侧置信上限或下限的函数。 from scipy.stats import chi2 #导入chi2分布 def sigma2Bound(s2, n, confidence, low=True): #定义函数 alpha=1-confidence #计算置信度中的alpha

概率统计Python计算：单个正态总体方差的双侧区间估计

u012958850的博客

05-20

1264

计算指定置信水平下正态总体方差σ2\sigma^2σ2的置信区间，涉及样本方差s2s^2s2，样本容量nnn和置信水平1−α1-\alpha1−α等三个因素。计算步骤为计算χ2(n−1)\chi^2(n-1)χ2(n−1)分布概率为1−α1-\alpha1−α的双侧分位点aaa和bbb；计算分子(n−1)s2(n-1)s^2(n−1)s2；计算下限(n−1)s2/b(n-1)s^2/b(n−1)s2/b和上限(n−1)s2/a(n-1)s^2/a(n−1)s2/a 根据这一算法，定义计算正态总体参

正态总体参数的点估计和区间估计

LadyYang的博客

06-27

2063

区间估计求解步骤: 1.构造统计量u(X1,X2⋯ ,Xn;θ)u(X_1,X_2\cdots ,X_n;\theta)u(X1,X2⋯,Xn;θ) 2.P{c<u(X1,X2⋯ ,Xn;θ)<d}=1−αP\left \{ c< u(X_1,X_2\cdots ,X_n;\theta)<d \right \}=1-\alphaP{c<u(X1,X2⋯,Xn;θ)<d}=1−α 3.求得θ\thetaθ的1−α1-\alpha1−α置信区间 eg1: 设总体X

单个、两个正态总体置信区间估计的总结

09-06

单个正态总体区间的均值，方差的置信区间两个正态总体区间的均值差，方差比的置信区间在网找了找，没找到有人做的现成的，我特地总结了一下，已给大家提供方便！

参数估计（点估计和区间估计）

热门推荐

weixin_43992800的博客

09-07

5万+

一、点估计 1.点估计就是用样本统计量来估计总体参数。概念理解：当我们想知道某一总体的某个指标的情况时，测量整体该指标的数值的工作量太大，或者不符合实际，这时我们可以采用抽样的方法选取一部分样本测量出他们数值，然后用样本统计量的值来估计总体的情况。例如：想了解一个学校学生的身高情况，就可以随机抽取一部分学生测量他们的身高，得到一个平均值，再用这个样本的均值去估计整体学生的身高情况，就是点估计...

一文搞懂“正态分布”所有重要知识点

CDA数据分析师

10-23

1万+

作者：丁点helper 来源：丁点帮你 正态分布，这个我们从中学就学过的内容，真有这么重要吗？我想，真正学懂统计的人对这一点是不会质疑的，且不谈特别高深的统计理论，彻底弄懂正态分布是灵活运用统计学中各种假设检验方法、看懂p值，理解均数置信区间的前提。今天，我尝试带着大家搞懂对于正态分布你需要知道的所有知识点。作为统计学的基础，我们会主要注重思维理解，复杂的数学计算在此略去。这并非意味着数学不重要，对数学的仔细专研恰恰会特别辅助理解和掌握，只是对于大部分数学基础不好的同学这个难度不小，所以我们在这..

概率统计Python计算：单个正态总体均值单侧假设的Z检验

u012958850的博客

05-26

2815

对正态总体参数的单侧假设检验，可以用以下方法进行。设显著水平为α\alphaα，对假设H0H_0H0的右侧检验，首先，注意到检验统计量的分布对应显著水平α\alphaα的右分位点bbb，实际上就是其残存函数S(x)S(x)S(x)（=1−F(x)=1-F(x)=1−F(x)）在该点处的函数值S(b)S(b)S(b)恰为α\alphaα，即S(a)=αS(a)=\alphaS(a)=α。我们知道在假设H0H_0H0的右侧检验中，H0H_0H0的拒绝域为[b,+∞)[b,+\infty)[b,+∞)。若检

截断正态分布stats.truncnorm()、nn.init.trunc_normal_()

MOL

10-06

2万+

截断正态分布概念： Normal Distribution 称为正态分布，也称为高斯分布，Truncated Normal Distribution一般翻译为截断正态分布，也有称为截尾正态分布。截断正态分布是截断分布(Truncated Distribution)的一种，那么截断分布是什么？截断分布是指，限制变量xx 取值范围(scope)的一种分布。例如，限制x取值在0到50之间，即{0<x<50}。因此，根据限制条件的不同，截断分布可以分为： 2.1 限制取值上限，例如，负无穷&lt