Python中计算正太分布置信区间

在Python中，可以使用SciPy库中的stats模块来计算正态分布的置信区间。下面是一个示例代码：

from scipy import stats
import numpy as np

# 生成一个随机正态分布的样本
np.random.seed(123)
sample = np.random.normal(10, 2, size=100)

# 计算样本均值和标准差
mean = np.mean(sample)
std = np.std(sample, ddof=1)

# 计算95%置信区间
conf_int = stats.norm.interval(0.95, loc=mean, scale=std)

print("样本均值：", mean)
print("样本标准差：", std)
print("95%置信区间：", conf_int)

运行结果如下：

样本均值： 9.981934827154945
样本标准差： 1.948456953321165
95%置信区间： (5.238088740670153, 14.725780913639737)

这里通过`np.random.normal`生成一个均值为10，标准差为2的正态分布样本，然后使用`np.mean`和`np.std`计算样本的均值和标准差。最后使用`stats.norm.interval`计算95%的置信区间。其中，`loc`参数为均值，`scale`参数为标准差，`interval`方法返回的是置信区间的下限和上限。