0
点赞
收藏
分享

微信扫一扫

独立小样本两个总体均值差的估计

流沙雨帘 2022-02-09 阅读 63

独立小样本两个总体均值只差的估计

        小样本:n_{1}<30或 n_{2}<30

条件:总体服从正态分布,随机样本是从两个总体独立选取的。

如果: {\sigma _{1}}^{2}={\sigma _{2}}^{2}

{s_{p}}^{2}=\frac{(n_{1}-1){s_{1}}^{2}+(n_{2}-1){s_{2}}^{2}}{n_{1}+n_{2}-2}     自由度=(n_{1}+n_{2}-2)

  • {\sigma _{1}}^{2}:总体1 -方差,{\sigma _{2}}^{2}:总体2 -方差
  • \overline{y_{1}}:样本1 -均值,\overline{y_{2}}:样本2 -均值
  • n_{1}:样本1 -样本数量,n_{2}:样本2 -样本数量
  • {s_{1}}^{2}:样本1 -样本方差,{s_{2}}^{2}:样本2 -样本方差
  • t_{\frac{\alpha }{2}}:t分布值,若取95%置信区间,则\alpha为0.05.

由于是用于样本数据,所以采用pandas的方差函数。

import numpy as np
from scipy.stats import t
import pandas as pd

y1 = [1189, 840, 1020, 980]  # 抽样1数据
y2 = [853, 900, 733, 785]  # 抽样2数据
# 方差
arr1 = pd.Series(y1)  # 样本1 生成Series
arr2 = pd.Series(y2)  # 样本2 生成Series
arr_var1=arr1.var()   # 取得样本1 方差 20636.91
arr_var2=arr2.var()  # 取得样本2 方差 5420.916

计算

  • 样本均值:\overline{y}=arr_mean1&arr_mean2, 
  • t分布分位点:t_{\frac{\alpha }{2}}=t_value,
  • 样本数量:n=n1&n2
# 均值
arr_mean1 = np.mean(y1)  # 样本1 均值 1007
arr_mean2 = np.mean(y2)  # 样本2 均值 817.8

# t分布值

n1 = len(y1)  # 抽样2数据个数 4
n2 = len(y2)  # 抽样1数据个数 4
variance = (n1 + n2 - 2)  # 自由度 6

b = 0.95  # 定义置信系数95%
a = 1 - b  # 定义
t_v = t(variance)  # 定义一个自由度为6:(n1 + n2 - 2)的 t分布
t_value = t_v.isf(a / 2)  # 取t分布单侧右分位点 ;stats.t.ppf(a,df)/左分位点;stats.t.isf(a,df)/右分位点;stats.t.interval(1-a,df)/双侧分位点

计算

  • {s_{p}}^{2}=sp_2
sp_2 = (((n1 - 1) * arr_var1) + ((n2 - 1) * arr_var2)) / variance

a = arr_mean1 - arr_mean2
b = t_value * ((sp_2 * ((1 / n1) + (1 / n2))) ** 0.5)
# 上区间
up = a - b
# 下区间
dn = a + b
print([up, dn])

输出结果:

 如果: {\sigma _{1}}^{2}\neq {\sigma _{2}}^{2}

条件:总体服从正态分布,随机样本是从两个总体独立选取的。

自由度:v=\frac{(\frac{​{s_{1}}^{2}}{n_{1}}+\frac{​{s_{2}}^{2}}{n_{2}})^{2}}{\frac{(\frac{s_{1}^{2}}{n_{1}})^{2}}{n_{1}-1}+\frac{(\frac{s_{2}^{2}}{n_{2}})^{2}}{n_{2}-1}} 

s1=arr_var1 #样本1 方差 20636.91
s2=arr_var2 # 样本2 方差 5420.916

v=((s1/n1+s2/n2)**2)/((((s1/n1)**2)/(n1-1))+(((s2/n2)**2)/(n2-1))) #自由度为4
v=round(v,0)
t_value2 = t.isf((a / 2),v) # 取t分布单侧右分位点
c = t_value * ( ((s1 / n1) + (s2 / n2)) ** 0.5)
# 上区间
up = a - c
# 下区间
dn = a + c
print([up, dn])
举报

相关推荐

0 条评论