概率统计Python计算：单个正态总体方差的双侧区间估计

计算指定置信水平下正态总体方差${\sigma }^2$的置信区间，涉及样本方差$s^2$，样本容量$n$和置信水平$1-\alpha$等三个因素。计算步骤为

1. 计算${\chi }^2(n-1)$分布概率为$1-\alpha$的双侧分位点$a$和$b$；
2. 计算分子$(n-1)s^2$；
3. 计算下限$(n-1)s^2/b$和上限$(n-1)s^2/a$

根据这一算法，定义计算正态总体参数${\sigma }^2$双侧置信区间的Python函数如下

from scipy.stats import chi2            #导入chi2分布
def sigma2Bounds(d, df, confidence):    #定义函数
    a, b=chi2.interval(confidence, df)  #计算chi2分布的双侧分位点
    return d/b, d/a                     #计算上下限

第2~4行定义的sigma2Bounds函数，参数d，df，confidence分别对应置信上下限的分子$d=(n-1)s^2$，${\chi }^2$分布的自由度$n-1$和置信水平$1-\alpha$。第3行调用chi2对象的interval函数，计算自由度为df=$n-1$的${\chi }^2$分布，对应置信水平confidence=$1-\alpha$的双侧分位点（详见博文《卡方分布分位点计算》）。返回值a即为${\chi }_{1-\alpha /2}^2(n-1)$，b为${\chi }_{\alpha /2}^2$。第4行返回的是置信下限$\frac{(n-1)s^2}{\chi 2_{\alpha /2}(n-1)}$和置信上限$\frac{(n-1)s^2}{{\chi }_{1-\alpha /2}^2}$。
例1 已知某种木材横向抗压力的试验值$X$~$N(\mu ,{\sigma }^2)$，对10个样品做横向抗压力试验，得到如下数据（单位：$N/c{m}^2$）：
$$482,493,475,471,510,446,435,418,394,469$$
试计算此种木材横向抗压力的方差置信水平为0.95的双侧区间估计。
解： 下列代码完成本例计算。

import numpy as np                      #导入numpy
x=np.array([482, 493, 475, 471, 510,    #样本观测值
            446, 435, 418, 394, 469])
s2=x.var(ddof=1)                        #样本方差
n=x.size                                #样本容量
confidence=0.95                         #置信度
d=(n-1)*s2                              #置信上下限分子
a, b=sigma2Bounds(d, n-1, confidence)   #总体方差的双侧置信区间
print('(%.4f, %.4f)'%(a, b))

程序的第4~6行分别计算样本方差s2（$s^2$），样本容量n（$n$），置信水平confidence（$1-\alpha$）。第7行计算置信上下限的分子$d=(n-1)s^2$，第8行调用函数sigma2Bounds，传递参数d，n-1及confidence，计算总体参数${\sigma }^2$置信水平为$1-\alpha$的置信区间。运行程序，输出

(601.1796, 4234.9817)

写博不易，敬请支持：
如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！
代码诚可贵，原理价更高。若为AI学，读正版书好。
返回《导引》