人生苦短，我能受这气？| 我用Python轻松解决了这个简单又恼火的问题

今天统计学老师布置了一道题，题目是这样的：

---

这个题目，就是用 t 估计估计一下置信区间：

先求出来 $$\overline{X}=\frac{1}{32}(13.0+...+17.6)$$
然后$$S=\sqrt{\frac{1}{n-1}\sum _{i=1}^n(x_i-\overline{x}{)}^2}$$
$$=\sqrt{\frac{1}{31}[(13.0-\overline{x}{)}^2+...+(17.6-\overline{x}{)}^2]}$$
最后得出置信区间$$[\overline{x}-t_{\frac{\alpha }{2}}(n-1)\times \frac{S}{\sqrt{n}},\overline{x}+t_{\frac{\alpha }{2}}(n-1)\times \frac{S}{\sqrt{n}}]$$

其实吧，本来我也是想老老实实算的，像这样：

但是那数据太多了啊，就简简单单的一个平均值，我算了好几遍，都不一样…（心态崩了啊）

单单一个平均值就算的我一肚子气，想想后面还有$[(13.0-\overline{x}{)}^2+...+(17.6-\overline{x}{)}^2]$，啊啊啊啊啊啊啊啊啊啊啊啊，想想就恼火，堂堂一敲代码的能受这气？？？🌚

然后我本来想用python平平静静地把那些数据处理完，但是，我又看了一眼，这…这些数据是图片，也就是说就算用程序算，我也要把数据挨个敲上去，这和我用手机算又有什么区别嘛…啊啊啊啊啊啊啊啊啊啊啊啊啊啊，堂堂一敲代码的能受这气？？？🌚

然后我想用WPS自带的图片识别功能，结果：

唉，勉勉强强吧…不过我还是需要改动，身为一个有键盘就不愿意动笔的男人，我忍不了，这还不是我想要的效果。哎没办法，只能祭出我的大杀器了：

import  pytesseract

还需要一个辅助工具：

from PIL import Image

不过在操作之前，我需要先把图片裁剪一下，因为我只需要数据：

然后因为背景是黄色的，会影响OCR识别，所以我需要黑白处理一下：

img = Image.open("123456789.png")
img = img.convert('L')
img = img.point(lambda x: 255 if x > 135 else 0)

然后识别：

text = None
if pytesseract.image_to_string(img):
    text = pytesseract.image_to_string(img)
print(text)

我的天哪，这真的是百分百识别啊！！！不得不说啊，tesseract就是🐮🍺啊…（其实我这里用的pytesseract是tesseract的python版，相比起原版还是弱那么一点点的，但是原版我安不上…哎么的办法…）

虽然识别超准，但是这还不是我想要的结果，因为这个text是一个字符串，我要求这些数字的和，还是得把它转化为一个可迭代对象比如列表然后用sum函数求和再求平均：

也只需要简简单单的一句：

text=text.split()

结果就转化成了这个样子：

['13.0', '20.8', '25.1', '16.0', '18.5', '19.3', '16.8', '21.7', '16.4', '18.8', '20.4', '15.2', '14.8', '23.1', '17.4', '21.3', '19.4', '15.2', '25.2', '21.5', '17.3', '19.9', '23.1', '16.8', '23.2', '19.1', '15.3', '15.6', '24.9', '18.1', '19.4', '17.6']

然后就可以开开心心求平均值啦：

print(sum([float(_) for _ in text])/len(text))

哦豁这结果和我用计算机摁的第一遍结果一样欸…

我以后再也不验算了…

好啦，$\overline{X}=\frac{1}{32}(13.0+...+17.6)$求出来了，该 $S=\sqrt{\frac{1}{n-1}{\sum }_{i=1}^n(x_i-\overline{x}{)}^2}=\sqrt{\frac{1}{31}[(13.0-\overline{x}{)}^2+...+(17.6-\overline{x}{)}^2]}$ 了：（这不就小case了嘛😁）

S = math.sqrt(float((1 / 31) * sum([float(_ - average) ** 2 for _ in [float(_) for _ in text]])))

好啦，轻轻松松算出来了S
😄（我要是用手 + 计算器…啊…🌚）

然后，因为要估计   $\mu$ 的95%的置信区间，$\alpha$ 即为0.05，查表得
$$t_{\frac{\alpha }{2}}(n-1)=t_{0.025}(31)=2.04$$
所以置信区间为：
$$[\overline{x}-t_{\frac{\alpha }{2}}(n-1)\times \frac{S}{\sqrt{n}},\overline{x}+t_{\frac{\alpha }{2}}(n-1)\times \frac{S}{\sqrt{n}}]$$
$$[19.06875-2.04\times \frac{3.2555}{\sqrt{32}},19.06875+2.04\times \frac{3.2555}{\sqrt{32}}]$$
$$[19.06875-1.174,19.06875+1.174]$$
$$[17.89475,20.24275]$$

---

然后把源码贴出来吧:

import pytesseract
from PIL import Image
import math

img = Image.open("123456789.png")
img = img.convert('L')
img = img.point(lambda x: 255 if x > 135 else 0)
# img.show()
text = pytesseract.image_to_string(img).split()
# print(text)
average = sum([float(_) for _ in text]) / len(text)
S = math.sqrt(float((1 / (len(text)-1)) * sum([float(_ - average) ** 2 for _ in [float(_) for _ in text]])))
# print(S)
print("置信区间：[{},{}]".format(average - 2.04 * S / math.sqrt(len(text)), average + 2.04 * S / math.sqrt(len(text))))

---

哈哈，Python真好 ~ ~ ~