计算 python 中平均值的 95% 置信区间

Question

我几乎不需要帮助。如果我有 30 个随机样本，均值为 52，方差为 30，那么我如何计算估计方差和真实方差为 30 的均值的 95% 置信区间。

Answer 1

在这里您可以结合 numpy and statsmodels 的力量来开始：

要生成均值为 52、方差为 30 的正态分布浮点数，您可以使用 numpy.random.normal 和 numbers = np.random.normal(loc=52, scale=30, size=30)，其中参数为：

Parameters
----------
loc : float
    Mean ("centre") of the distribution.
scale : float
    Standard deviation (spread or "width") of the distribution.
size : int or tuple of ints, optional
    Output shape.  If the given shape is, e.g., ``(m, n, k)``, then
    ``m * n * k`` samples are drawn.  Default is None, in which case a
    single value is returned.

这里是均值的 95% 置信区间 DescrStatsW.tconfint_mean:

import statsmodels.stats.api as sms
conf = sms.DescrStatsW(numbers).tconfint_mean()
conf

# output
# (36.27, 56.43)

编辑 - 1

但这不是全部……根据您的样本量，您应该使用 Z 分数而不是 sms.DescrStatsW(numbers).tconfint_mean() 此处使用的 t 分数。而且我有一种感觉，经验法则阈值是 30 并且您在问题中有 30 个观察结果并非巧合。 Z vs t 还取决于您是否知道总体标准偏差或必须依赖样本的估计值。这些计算方式也不同。看看here。如果这是您希望我进一步解释和演示的内容，我很乐意在周末再看一遍。

计算 python 中平均值的 95% 置信区间

Calculating 95 % confidence interval for the mean in python

statistics