概率统计Python计算：双正态总体均值差的单侧区间估计

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$\overline{x}-\overline{y}$，参数d传递$\sqrt{\frac{{\sigma }_1^2}{n_1}+\frac{{\sigma }_2^2}{n_2}}$或$s_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}$，其中$s_w=\sqrt{\frac{(n_1-1)s_1^2+(n_2-1)s_2^2}{n_1+n_2-2}}$，参数confidence传递$1-\alpha$，参数df保持缺省值0或$n_1+n_2-2$，参数low保持缺省值True计算置信下限，传递False计算置信上限。
例1 用甲、乙两台仪器独立重复地测量A、B两地距离（单位：m）。用甲仪器测量了10次得到平均值为45479.431，标准差为0.0440。用乙仪器测量了15次得到平均值为45479.398，标准差为0.0308。假设这两台仪器的测量值都服从正态分布，且方差相同。试计算测量值的均值差置信度为0.95的置信下限。
解： 下列代码完成本例计算。

import numpy as np                          #导入numpy
xmean=45479.431                             #样本均值1
ymean=45479.398                             #样本均值2
mean=xmean-ymean                            #样本均值差
s1=0.0440**2                                #样本方差1
s2=0.0308**2                                #样本方差2
n1=10                                       #样本容量1
n2=15                                       #样本容量2
sw=np.sqrt(((n1-1)*s1+(n2-1)*s2)/(n1+n2-2)) #sw
d=sw*np.sqrt(1/n1+1/n2)                     #置信下限因子
confidence=0.95                             #置信水平
a=muBound(mean, d, confidence, n1+n2-2)     #计算置信下限
print('mu1-mu2>=%.4f'%a)

注意第12行调用muBound函数传递的各个参数：mean传递样本均值差$\overline{x}-\overline{y}$（第4行），参数d传递$s_w\sqrt{\frac{1}{n_1}+\frac{1}{n_2}}$（第9~10行），参数confidence传递$1-\alpha$（第11行），参数df传递$n_1+n_2-2$，参数low保持缺省值True。运行程序，输出

mu1-mu2>=0.0074

由于置信下限大于0，故可认为甲仪器测量值$X$的均值${\mu }_1$显著大于乙仪器测量值$Y$的均值${\mu }_2$。
例2 研究两种固体燃料火箭推进器的燃烧率，设两者都服从正态分布。各取容量$n_1=n_2=20$的样本，且得样本观测值的均值分别为$\overline{x}=18cm/s$，$\overline{y}=24cm/s$，样本均方差$s_1=s_2=0.05cm/s$为，两个样本相互独立。计算燃烧率总体均值差${\mu }_1-{\mu }_2$置信度为0.99的置信上限。
解： 下列代码完成本例计算。

import numpy as np                          		#导入numpy
xmean=18											#样本均值1
ymean=24											#样本均值2
mean=xmean-ymean									#样本均值差
s1=0.05**2											#样本方差1
s2=0.05**2											#样本方差2
n1=20												#样本容量1
n2=20												#样本容量2
sw=np.sqrt(((n1-1)*s1+(n2-1)*s2)/(n1+n2-2))			#sw
d=sw*np.sqrt(1/n1+1/n2)								#置信上限因子
confidence=0.99										#置信水平
a=muBound(mean, d, confidence, n1+n2-2, low=False)	#计算置信上限
print('mu1-mu2<=%.4f'%a)

注意，第12行调用函数muBound传递给参数low的是布尔值False，因为此处要计算的是置信上限。运行称，输出

mu1-mu2<=-5.9616

由于置信上限小于零，故认为第一种燃料的燃烧率均值显著小于第二种燃料的燃烧率均值。
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》