matlab对样本方差区间估计,已知样本均值和样本方差做区间估计

SI

US

已知样本均值和样本方差做区间估计

总体X~N(μ,σ2), 其中μ是总体均值，σ2是总体方差，σ是总体标准差，样本容量为

n, 样本均值为x。在下面输入n,x和σ的值后，单击“开始计算”按钮进行计算：

n=

x=

σ=

总体X~N(μ,σ2), 其中μ是总体均值，σ2是总体方差，σ是总体标准差，样本容量为n,

样本均值为x,样本标准差为s。 在下面输入n,x和s的值后，单击“开始计算”按钮进行计算：

n=

x=

s=

总体X~N(μ,σ2), 其中μ是总体均值，σ2是总体方差，σ是总体标准差，样本容量为

n, 样本标准差为s。 在下面输入n和s的值后，单击“开始计算”按钮进行计算

n=

s=

总体X~N(μ1,σ12),Y~N(μ2,σ22),X和Y的样本均值分别为

x,y, 样本标准差分别为

s1,s2，X和Y的样本容量分别为n,m。在下面输入各值后单击“开始计算”按钮进行计算

n=

x=

σ1=

m=

y=

σ2=

总体X~N(μ1,σ2),Y~N(μ2,σ2),

X和Y的样本均值分别为x,y, 样本标准差分别为

s1,s2，X和Y的样本容量分别为n,m。在下面输入各值后单击“开始计算”按钮进行计算

n=

x=

s1=

m=

y=

s2=

总体X~N(μ1,σ12),Y~N(μ2,σ22),样本标准差分别为s1,s2，

X和Y的样本容量分别为n,m。在下面输入各值后单击“开始计算”按钮进行计算

n=

s1=

m=

s2=

选择单总体还是双总体：

一个正态总体的区间估计

两个正态总体的区间估计

选择区间估计内容：

已知总体标准差对均值做区间估计

未知总体标准差对均值做区间估计

对方差和标准差做区间估计

已知总体标准差对均值差做区间估计

未知总体标准差对均值差做区间估计

对二总体方差比做区间估计

选择置信概率：

置信概率0.9(α=0.1)

置信概率0.95(α=0.05)

置信概率0.99(α=0.01)

置信概率0.999(α=0.001)

本网页计算在样本均值和样本方差已经通过其它办法算出的情况下进行各种情况(如方差已知，方差未知)的正态总体的有关区间估计。在输入已经算出的样本标准差或者已知的总体标准差时，也可以在前面加一个字母q后跟方差或者样本方差的数值。总体标准差用σ表示，而样本标准差用s表示。

使用示例

如：选择单总体还是双总体： 一个正态总体的区间估计；选择区间估计内容： 已知总体标准差对均值做区间估计；选择置信概率：置信概率0.95(α=0.05)

n=100，x=10，σ=5

计算结果：

双侧置信区间：

以置信概率0.95肯定μ落在区间(9.02002, 10.98)中

单侧置信下限：

以置信概率0.95肯定μ大于9.17757

单侧置信上限：

以置信概率0.95肯定μ小于10.8224

注意事项

1.选择单总体还是双总体

2.选择区间估计内容

3.选择置信概率

在下面输入各值后，单击“开始计算”按钮进行计算

// 以下是计算t分布及线性回归等程序

function normsinv(pp){

var x,y;

var q = 1 - pp;

bb = [1.570796288,0.03706987906,-0.0008364353589,-0.0002250947176,

0.000006841218299,0.000005824238515,-0.00000104527497,8.360937017e-8,-3.231081277e-09,

3.657763036e-11,6.936233982e-13];

if (q == 0.5) return 0;

var p;

if (q > 0.5) p = 1 - q;

else p = q;

var b;

y =-Math.log(4 * p * (1 - p));

b = y * bb[10];

var i;

for (i = 9; i >= 0; i--)

{

b = y * (bb[i] + b);

}

x = Math.sqrt(b);

if (q > 0.5) x = -x;

return x;

}

function gamma( x)

{

var i;

var y, t, s, u;

var a = [ 0.0000677106,-0.0003442342,

0.0015397681,-0.0024467480,0.0109736958,

-0.0002109075,0.0742379071,0.0815782188,

0.4118402518,0.4227843370,1.0];

if (x <= 0.0)

throw "x不能小于0";

y = x;

if (y <= 1.0)

{ t = 1.0 / (y * (y + 1.0)); y += 2.0; }

else if (y <= 2.0)

{ t = 1.0 / y; y += 1.0; }

else if (y <= 3.0) t = 1.0;

else

{

t = 1.0;