写一个python程序，用Chauvenet Criterion算我输入的数据的平均值和不确定度

以下是一个用Chauvenet Criterion算数据平均值和不确定度的Python程序：

import numpy as np
import math

def chauvenet(data):
    # 计算数据的平均值和标准差
    mean = np.mean(data)
    std = np.std(data)

    # 计算数据点与平均值的偏差，然后计算z得分
    z = np.abs(data - mean) / std

    # 使用Chauvenet准则计算数据点是否应该被排除
    n = len(data)
    p = 1.0 / (2 * n)
    z_threshold = math.sqrt(-math.log10(p))
    mask = z <= z_threshold

    # 使用剩余的数据点计算平均值和标准差，不确定度为标准差除以sqrt(n)
    filtered_data = data[mask]
    final_mean = np.mean(filtered_data)
    final_std = np.std(filtered_data)
    uncertainty = final_std / math.sqrt(len(filtered_data))

    return final_mean, uncertainty

# 测试程序
data = [10.2, 9.9, 10.0, 10.1, 9.8, 10.3, 9.7, 10.0, 10.2, 10.4]
mean, uncertainty = chauvenet(data)
print("Mean =", mean)
print("Uncertainty =", uncertainty)

这个程序接受一个数据列表作为输入，然后使用Chauvenet准则来排除异常数据点并计算平均值和不确定度。在上面的示例中，我们使用程序计算了一个包含10个数据点的列表的平均值和不确定度。