python两个总体参数的区间估计（均值之差，匹配样本）

匹配大样本

公式：

$\bar{d}\pm z_{a/2}\frac{{\sigma }_d}{\sqrt{n}}$

匹配小样本

公式

$\bar{d}\pm t_{a/2}(n-1)\frac{s_d}{\sqrt{n}}$

• $\bar{d}$表示各差值的均值
• ${\sigma }_d$ 表示各差值的标准差
• 当总体的${\sigma }_d$未知时，可用样本差值的标准差$s_d$来代替

例

由10名学生组成一个随机样本，分别采用A和B两套试卷进行测试，结果如下

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

data = pd.DataFrame({'A':[78,63,72,89,91,49,68,76,85,55],'B':[71,44,61,84,74,51,55,60,77,39]})

假定两套试卷分数之差，服从正太分布，试建立两套试卷平均分数之差 𝜇𝑑=𝜇1−𝜇2 的95%的置信区间。

# 样本数量
n = len(data)

a = 0.05
# 样本差值的均值
d_bar = (data.A-data.B).mean()
# 差值均值的标准差
sigma_d = (data.A-data.B).std()

计算$t_{a/2}$

t_a2 = stats.t.isf(a/2,n-1)
t_a2

2.262157162740992

计算公式：

left = d_bar-t_a2*(sigma_d/np.sqrt(n))
right = d_bar+t_a2*(sigma_d/np.sqrt(n))

print('两套试卷平均分数之差的95%的置信区间为（{:.2f}，{:.2f}）'.format(left,right))

两套试卷平均分数之差的95%的置信区间为（6.33，15.67）