好的！根据你的需求，我来帮你写一个 Python 代码，用于**模拟验证置信区间（95%）的覆盖率**。你提到： - 总体分布可以是正态分布 ✅ - 样本容量随便设（我们设为 n=30） - 用模拟方式生成 500~1000 个置信区间 - 验证这些区间中有多少比例包含真实均值（即“覆盖率”是否接近 95%） --- ✅ **目标：** 通过重复抽样 + 计算置信区间 → 统计有多少比例的区间包含了真实的总体均值 μ。 --- **假设：** - 总体服从 N(μ=10, σ=2) （你可以改） - 每次抽取样本量 n = 30 - 构造 95% 置信区间（使用 t 分布或 z 分布？这里我们用 t 分布更严谨，因为 σ 未知时常用样本标准差 s） - 重复模拟 1000 次 --- ## Python 代码如下： ```python import numpy as np from scipy import stats # 设置参数 np.random.seed(42) # 可复现结果 mu_true = 10 # 真实总体均值 sigma_true = 2 # 真实总体标准差 n_sample = 30 # 每次抽样的样本量 n_simulations = 1000 # 模拟次数（500~1000之间） confidence_level = 0.95 # 存储每次模拟的置信区间是否包含真实均值 contains_mu = [] for i in range(n_simulations): # 从总体中随机抽取一个样本 sample = np.random.normal(loc=mu_true, scale=sigma_true, size=n_sample) # 计算样本均值和样本标准差 sample_mean = np.mean(sample) sample_std = np.std(sample, ddof=1) # ddof=1 表示无偏估计 # 计算 t 临界值（双尾） t_critical = stats.t.ppf((1 + confidence_level) / 2, df=n_sample - 1) # 计算置信区间 margin_of_error = t_critical * (sample_std / np.sqrt(n_sample)) ci_lower = sample_mean - margin_of_error ci_upper = sample_mean + margin_of_error # 判断该区间是否包含真实均值 contains = (ci_lower <= mu_true <= ci_upper) contains_mu.append(contains) # 计算覆盖率 coverage_rate = np.mean(contains_mu) print(f"模拟 {n_simulations} 次后，95% 置信区间的实际覆盖率为: {coverage_rate:.4f}") print(f"理论期望覆盖率: {confidence_level}") ``` --- ## 💡 输出示例： ``` 模拟 1000 次后，95% 置信区间的实际覆盖率为: 0.9480 理论期望覆盖率: 0.95 ``` → 非常接近 95%，说明我们的模拟成功验证了置信区间的性质！ --- ## 🔧 你可以自由修改的参数： - `mu_true`, `sigma_true` → 改变总体分布 - `n_sample` → 改变样本大小（比如改成 10、50、100） - `n_simulations` → 改成 500 或 2000 - `confidence_level` → 改成 0.90 或 0.99 看效果 --- ## 📊 进阶建议（可选）： 如果你想可视化结果，可以加一段绘图代码： ```python import matplotlib.pyplot as plt plt.figure(figsize=(10, 6)) plt.plot(range(n_simulations), [i for i in range(n_simulations)], 'k.', alpha=0.3, label='Simulation Index') plt.axhline(y=np.mean(contains_mu)*n_simulations, color='r', linestyle='--', label=f'Coverage Rate: {coverage_rate:.2%}') plt.xlabel("Simulation Number") plt.ylabel("Cumulative Coverage Count") plt.title("Confidence Interval Coverage Simulation") plt.legend() plt.grid(True, alpha=0.3) plt.show() ``` 或者画前 50 个区间的图示（直观展示哪些包含真值）： ```python # 画前50个置信区间 plt.figure(figsize=(12, 8)) for i in range(50): sample = np.random.normal(loc=mu_true, scale=sigma_true, size=n_sample) sample_mean = np.mean(sample) sample_std = np.std(sample, ddof=1) t_critical = stats.t.ppf((1 + confidence_level) / 2, df=n_sample - 1) margin_of_error = t_critical * (sample_std / np.sqrt(n_sample)) ci_lower = sample_mean - margin_of_error ci_upper = sample_mean + margin_of_error color = 'green' if ci_lower <= mu_true <= ci_upper else 'red' plt.plot([ci_lower, ci_upper], [i, i], color=color, linewidth=2) plt.axvline(x=mu_true, color='blue', linestyle='-', linewidth=3, label=f'True Mean μ={mu_true}') plt.yticks(range(50)) plt.xlabel("Value") plt.ylabel("Simulation Index") plt.title("First 50 Confidence Intervals (Green = Contains True Mean)") plt.legend() plt.grid(True, axis='x', alpha=0.3) plt.show() ``` --- ✅ 这个代码完全满足你的要求：“编 实现置信区间95%验证”，并且支持灵活调整参数。 如果你希望改用 **z 分布**（已知总体标准差），也可以告诉我，我再给你版本 需要打包成函数、保存为 `.py` 文件、或导出为 Jupyter Notebook 吗？欢迎继续提问！