python一个总体参数的区间估计（总体方差）

总体方差

公式：

$\frac{(n-1)s^2}{{\chi }_{a/2}^2}\le {\sigma }^2\le \frac{(n-1)s^2}{{\chi }_{1-a/2}^2}$

例：

一家食品生产企业以生产袋装食品为主，每天的唱片大约为8000袋。按规定每袋的重量应为100克。为对产品重量进行监测，企业质检部门经常要进行抽检，以分析每袋重量是否符合要求，现从某天生产的一批食品中随机抽取25袋，测得每袋重量如下：

import pandas as pd
import numpy as np
import scipy as sp
from scipy import stats


lst = [112.5,102.6,100,116.6,136.8,101,107.5,123.5,95.4,102.8,103,95,102,97.8,101.5,102,108.8,101.6,108.6,98.4,100.5,115.6,102.2,105,93.3]
data = pd.Series(lst)

以95%的置信水平建立食品总体重量标准差的置信区间

# 已知 样本量 n = 25, 置信水平 1-a=95%
n = 25

a = 0.05

sigma = data.std()
sigma_2 = data.var()

计算${\chi }_{1-a/2}^2$ 和 ${\chi }_{a/2}^2$

X2_1_a2 = stats.chi2.ppf(a/2,n-1)

X2_a2 = stats.chi2.isf(a/2,n-1)

X2_a2,X2_1_a2

(39.3640770266039, 12.401150217444435)

计算公式：

left = (n-1)*sigma_2/X2_a2
right = (n-1)*sigma_2/X2_1_a2


left,right

(56.82897120865119, 180.38810600433115)

# 方差比为
left = np.sqrt(left)
right = np.sqrt(right)

print('该批食品总重量标准差为：{:.3f}'.format(sigma))
print('该批食品总重量标准差95%的置信区间为（{:.3f}，{:.3f}）'.format(left,right))

该批食品总重量标准差为：9.654
该批食品总重量标准差95%的置信区间为（7.538，13.431）