概率统计Python计算：双正态总体方差比的单侧区间估计

对计算双正态总体方差比的双侧区间估计的函数sigma2RatioBounds（详见博文《双正态总体方差比的双侧区间估计》）稍加修改，可得下列计算双正态总体方差比的单侧区间估计的函数sigma2RatioBound。

def sigma2RatioBound(d, dfn, dfd                #函数定义
                    confidence, low=True):
    alpha=1-confidence                          #计算置信度1-alpha中的alpha
    if low:                                     #若为下限
        a=f.isf(alpha, dfn, dfd)                #计算单侧右分位点
    else:                                       #若为上限
        a=f.ppf(alpha, dfn, dfd)                #计算单侧左分位点
    return d/a                                  #计算上（下）限

与sigma2RatioBounds相比，sigma2RatioBound多了一个区分计算置信上下限的参数low，缺省值为True表示计算下限，若传递False则计算上限。
例1 设两位化验员A，B独立地对某聚合物含氯量用相同的方法各做10次测定。其测定值的样本方差分别为$s_A^2=0.5419$，$s_B^2=0.6065$。设${\sigma }_A^2,{\sigma }_B^2$分别为A、B所测定的测定值总体的方差。设总体均为正态的，且两个样本相互独立。计算方差比${\sigma }_A^2/{\sigma }_B^2$的置信度为0.95的置信上限。
解： 下列代码完成本例计算。

s1=0.5419                                   #样本方差1
s2=0.6065                                   #样本方差2
n1=10                                       #样本容量1
n2=10                                       #样本容量2
d=s1/s2                                     #样本方差比
confidence=0.95                             #置信水平
a=sigma2RatioBound(d, n1-1, n2-1,           #计算置信上限
                 confidence, low=False)
print('sigma1^2/sigma2^2<=%.4f'%a)

由于本例计算的是总体方差比的单侧置信上限，故7~8行调用函数sigma2RatioBound时传递给参数low的是False。运行程序，输出

sigma1^2/sigma2^2<=2.8403

由于$1<2.8403$，故以0.95的置信水平认为两位化验员测量的含氯量无显著差别。
例2 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。试计算测量值的方差比置信度为0.95的置信下限。
解： 下列代码完成本例计算。

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
d=s1/s2								#样本方差比
confidence=0.95						#置信水平
a=sigma2RatioBound(d, n1-1, n2-1,	#计算置信上限
                   confidence, low=False)
print('sigma1^2/sigma2^2>=%.4f'%a)

与上例相仿，为计算置信上限，sigma2RatioBound函数的参数low传递False。运行程序，输出

sigma1^2/sigma2^2>=6.1744

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》