正态总体参数置信区间
的计算

一个正态总体(方差已知)

一个正态总体(方差未知)

两个正态总体(方差已知)

两个正态总体(方差未知)

使用说明：

输入一个或者两个正态总体的样本数据，必要时输入总体方差信息，选择显著性水平($\alpha$)；
点击"开始计算"按钮，计算常用的样本数字特征和未知参数的置信区间，给出相关的公式和分位数；
点击"清除结果"按钮，清除当前的计算结果和公式等.

总体： $X \sim N(\mu,\sigma^2)$

方差 ($\sigma^2$):

显著性水平($\alpha$):

$X$的样本数据:

注意：请使用英文状态下的半角逗号分隔

样本容量 $n=$

样本均值 $\bar{x}=$

样本离均差平方和 $ss=$

样本方差 $s^2=$

样本修正方差 $s^{*2}=$

$\mu$的$1-\alpha$置信区间:

$\mu$的$1-\alpha$置信下限:

$\mu$的$1-\alpha$置信上限:

总体： $X \sim N(\mu,\sigma^2)$

显著性水平($\alpha$):

$X$的样本数据:

注意：请使用英文状态下的半角逗号分隔

样本容量 $n=$

样本均值 $\bar{x}=$

样本离均差平方和 $ss=$

样本方差 $s^2=$

样本修正方差 $s^{*2}=$

$\mu$的$1-\alpha$置信区间:

$\mu$的$1-\alpha$置信下限:

$\mu$的$1-\alpha$置信上限:

$\sigma^2$的$1-\alpha$置信区间:

$\sigma^2$的$1-\alpha$置信下限:

$\sigma^2$的$1-\alpha$置信上限:

总体： $X \sim N(\mu_1,\sigma^2_1)$

方差 ($\sigma^2_1$):

总体： $Y \sim N(\mu_2,\sigma^2_2)$

方差 ($\sigma^2_2$):

显著性水平($\alpha$):

$X$的样本数据:

注意：请使用英文状态下的半角逗号分隔

$Y$的样本数据:

注意：请使用英文状态下的半角逗号分隔

样本容量 $n=$

$m=$

样本均值 $\bar{x}=$

$\bar{y}=$

样本离均差平方和

$ssx=$

$ssy=$

样本方差 $s_1^2=$

$s_2^2=$

修正方差 $s_1^{*2}=$

$s_2^{*2}=$

$\mu_1-\mu_2$的$1-\alpha$置信区间:

$\mu_1-\mu_2$的$1-\alpha$置信下限:

$\mu_1-\mu_2$的$1-\alpha$置信上限:

总体： $X \sim N(\mu_1,\sigma^2_1)$

总体： $Y \sim N(\mu_2,\sigma^2_2)$

方差 $\sigma^2_1,\sigma^2_2$未知

显著性水平($\alpha$):

$X$的样本数据:

注意：请使用英文状态下的半角逗号分隔

$Y$的样本数据:

注意：请使用英文状态下的半角逗号分隔

样本容量 $n=$

$m=$

样本均值 $\bar{x}=$

$\bar{y}=$

样本离均差平方和

$ssx=$

$ssy=$

统计量$s_w=$

样本方差 $s_1^2=$

$s_2^2=$

修正方差 $s_1^{*2}=$

$s_2^{*2}=$

$\sigma^2_1=\sigma^2_2=\sigma^2$时, $\mu_1-\mu_2$的区间估计

$\mu_1-\mu_2$的$1-\alpha$置信区间:

$\mu_1-\mu_2$的$1-\alpha$置信下限:

$\mu_1-\mu_2$的$1-\alpha$置信上限:

$\frac{\sigma^2_1}{\sigma^2_2}$的区间估计

$\frac{\sigma^2_1}{\sigma^2_2}$的$1-\alpha$置信区间:

$\frac{\sigma^2_1}{\sigma^2_2}$的$1-\alpha$置信下限:

$\frac{\sigma^2_1}{\sigma^2_2}$的$1-\alpha$置信上限: