【scau统计学】Python实验五计算置信区间并画出支付金额分布图

题目要求：

根据微信每月支付的数据计算出微信支付的月支付95%的置信区间并画出近三年来月支付金额的分布图（为避免隐私问题，数据可以自己构造）

要求分析：

数据构造：

        构造近三年的微信支付数据。由于隐私问题，可以使用随机数来模拟这些数据。

计算置信区间：

        使用统计学的知识来计算95%的置信区间。可以使用scipy.stats库中的函数来计算样本均值的标准误差，并据此构建置信区间。置信区间的计算公式通常是：样本均值 ± z值 * 标准误差，其中z值对应于特定的置信水平（对于95%的置信水平，z值通常是1.96）。

绘制分布图：

        使用matplotlib库来绘制月支付金额的分布图。可以选择绘制直方图或箱线图来展示数据的分布情况。可以在图上标出置信区间的范围，以便更直观地展示结果。

运行结果：

源代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False  # 解决‘-’、中文的显示问题
# 构造模拟数据（近三年共36个月，使用每月的平均值作为示例）
np.random.seed(0)  # 为了结果的可复现性
monthly_payments = np.random.normal(1000, 200, 36)  # 假设平均每月支付1000元，标准差为200元

# 计算95%的置信区间（对于大样本，可以使用正态分布近似）
mean_payment = np.mean(monthly_payments)
std_payment = np.std(monthly_payments, ddof=1)  # ddof=1 是为了得到样本标准差的无偏估计
n = len(monthly_payments)  # 样本大小
conf_interval = stats.norm.interval(0.95, loc=mean_payment, scale=std_payment / np.sqrt(n))

print(f"95%的置信区间是: ({conf_interval[0]:.2f}, {conf_interval[1]:.2f})")

# 画出分布图
plt.figure(figsize=(10, 6))
plt.hist(monthly_payments, bins=15, alpha=0.7, color='b', edgecolor='k', label='微信支付金额分布')
plt.axvline(x=mean_payment, color='r', linestyle='--', label='平均值')
plt.axvspan(conf_interval[0], conf_interval[1], alpha=0.3, color='g', label='95%置信区间')
plt.xlabel('微信支付金额')
plt.ylabel('频率')
plt.title('近三年微信月支付金额分布')
plt.legend()
plt.show()