概率统计Python计算：单个正态总体方差的单侧区间估计

对函数sigma2Bounds（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${\sigma }^2$单侧置信上限或下限的函数。

from scipy.stats import chi2                    #导入chi2分布
def sigma2Bound(d, df, confidence, low=True):   #定义函数
    alpha=1-confidence                          #计算置信度中的alpha
    if low:                                     #若为下限
        b=chi2.isf(alpha, df)                  	#chi2的单侧右分位点
    else:                                       #若为上限
        b=chi2.ppf(alpha, df)                  	#chi2的单侧左分位点
    return d/b

与函数sigma2Bounds相比，sigma2Bound的多了一个分辨计算的是下限或上限的参数low，其默认值为True，表示计算置信下限。若传递给它False，则计算置信上限。第3行计算置信度$1-\alpha$中的$\alpha$。第4~7行的if-else语句根据low的取值决定计算${\chi }^2(n-1)$分布的右分位点（第5行）或左分位点（第7行），详见博文《卡方分布分位点计算》。第8行将计算所得的置信上限或下限作为返回值返回。
例1 某大学数学测验，抽得20个学生的分数的样本均值为72，样本方差为16。假设分数$X$~$N(\mu ,{\sigma }^2)$，分别计算$\mu$的置信度为98%的置信下限，${\sigma }^2$的置信度为98%的置信上限。
解： 下列代码完成本例的计算。

n=20											#样本容量
mean=72											#样本均值
s2=16											#样本方差
confidence=0.98									#置信水平
d=np.sqrt(s2/n)									#mu的置信下限因子
b=muBound(mean, d, confidence, df=n-1)			#mu的置信下限
print('mu>=%.4f'%b)
d=(n-1)*s2										#sigma^2的置信上限分子
b=sigma2Bound(d, n-1, confidence, low=False)	#sigma^2的置信上限
print('sigma^2<=%.4f'%b)

第6行调用计算总体均值$\mu$的单侧区间估计的函数muBound（详见博文《单个正态总体均值的单侧区间估计》），计算$\mu$的置信水平为0.98的置信下限（参数low取缺省值True）。由于总体参数${\sigma }^2$未知，故传递给参数df的是$t$分布的自由度n-1。第9行调用函数sigma2Bound，需向参数low传递False，这是因为我们需要计算的是置信上限。运行程序，输出

mu>=70.0281
sigma^2<=35.4849

例2 随机地取某种炮弹9发做试验，得炮口速度的样本标准差$s=11m/s$。设炮口速度$X$~$N(\mu ,{\sigma }^2)$。求这种炮弹的炮口速度的标准差$\sigma$的置信度为0.95的置信下限。
解： 下列代码完成本例的计算。

import numpy as np					#导入numpy
n=9									#样本容量
s2=11**2							#样本方差
d=(n-1)*s2							#sigma^2置信下限分子
confidence=0.95						#置信水平
b=sigma2Bound(d, n-1, confidence)	#sigma^2的置信下限
b=np.sqrt(b)						#sigma的置信下限
print('sigma>=%.2f'%b)

程序的第6行调用sigma2Bound函数计算${\sigma }^2$的置信下限（参数low取缺省值），第7行计算$\sigma$的置信下限。运行程序，输出

sigma>=7.90

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》