二、区间估计：使用Python进行单个正态总体方差的区间估计

对单个正态总体方差区间估计可以分为两类：总体均值($\mu$)已知，和未知。

总体均值未知

• 枢轴量为 $\frac{(n-1)S^2}{{\sigma }^2}\sim {\chi }^2(n-1)$
• 则其置信度为$1-\alpha$的双侧置信区间为：
  $$(\frac{(n-1)S^2}{{\chi }_{\alpha /2}^2(n-1)},\frac{(n-1)S^2}{{\chi }_{1-\alpha /2}^2(n-1)})$$
• 单侧置信下限为：
  $$\frac{(n-1)S^2}{{\chi }_{\alpha }^2(n-1)}$$
• 单侧置信上限为：
  $$\frac{(n-1)S^2}{{\chi }_{1-\alpha }^2(n-1)}$$

总体均值已知

• 枢轴量为
  $$\frac{{\sum }_{i=1}^n(X_i-\mu {)}^2}{{\sigma }^2}\sim {\chi }^2(n)$$
• 置信度为$1-\alpha$的双侧置信区间为：
  $$\frac{{\sum }_{i=1}^n(X_i-\mu {)}^2}{{\chi }_{\alpha /2}^2(n)},\frac{{\sum }_{i=1}^n(X_i-\mu {)}^2}{{\chi }_{1-\alpha /2}^2(n)}$$
• 单侧置信下限为：
  $$\frac{{\sum }_{i=1}^n(X_i-\mu {)}^2}{{\chi }_{\alpha }^2(n)}$$
• 单侧置信上限为：
  $$\frac{{\sum }_{i=1}^n(X_i-\mu {)}^2}{{\chi }_{1-\alpha /2}^2(n)}$$

Python 代码

import numpy as np
from scipy import stats

def confidence_interval_sigma(data, mu=-1, alpha=0.05, side_both=True):
    xb = np.mean(data)
    s_square = np.var(data, ddof=1)
    
    if mu > 0:
        sum_tmp = 0.0
        for i in data:
            sum_tmp = sum_tmp + (i-mu)**2
        if side_both:
            return (sum_tmp/stats.chi2.ppf(1-alpha/2, df=len(data)), sum_tmp/stats.chi2.ppf(alpha/2, df=len(data)))
        else:
            return {'bottom_limit':sum_tmp/stats.chi2.ppf(1-alpha, df=len(data)), 'top_limit':sum_tmp/stats.chi2.ppf(alpha, df=len(data))}
    else:
        tmp = (len(data)-1)*np.var(data, ddof=1)
        if side_both:
            return (tmp/stats.chi2.ppf(1-alpha/2, df=len(data)-1), tmp/stats.chi2.ppf(alpha/2, df=len(data)-1))
        else:
            return {'bottom_limit':tmp/stats.chi2.ppf(1-alpha, df=len(data)-1), 'top_limit':tmp/stats.chi2.ppf(alpha, df=len(data)-1)}

例题

1. 有一大批袋装糖果，现从中随机地取出16袋， 称的重量（以克）如下：
   506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496
   假设袋装糖果的重量近似服从正态分布，求总体方差${\sigma }^2$ 的置信水平为0.95的置信区间。
   解：

data = np.array([506, 508, 499, 503, 504, 510, 497, 512, 514, 505, 493, 496, 506, 502, 509, 496])
confidence_interval_sigma(data)

返回结果为：
(20.99067787871137, 92.141057716219521)