1.（1）第一组数据如下：
利用Matlab编译程序如下：
clc;clear;%清理屏幕和数据load('a.mat'); %导入数据[muhat,sigmahat,muci,sigmaci] = normfit(a,0.10);%muhat均值，sigmahat方差,muci均值区间估计,sigmaci方差区间估计
可得结果：
均值的置信度为0.90的区间估计：
Muci=[22.2617089885815,32.3011481542756]
方差的置信度为0.90的区间估计Sigmaci=[4.71792212369439,13.0912549870638]
(2) 第二组数据如下：
两正态总体方差未知但相等,置信度为0.90，α=0.10。
两个总体均值差的置信区间为：
利用Matlab编译程序如下：
clc;clear;load('a.mat');load('b.mat');Sa=var(a); %求样本a的方差%Sb=var(b); %求样本b的方差%na=size(a);nb=size(b);naa=na(:,2);%算a样本的个数nbb=nb(:,2);%算b样本的个数Sw=sqrt(((naa-1)*Sa+(nbb-1)*Sb)/(naa+nbb-2));x=mean(a);y=mean(b);alpha=0.1; %0.90置信度t=tinv(1-alpha/2,naa+nbb-2);%置信度为0.90的T值d1=(x-y)-t*Sw.*sqrt(1./naa+1./nbb); %置信区间下界d2=(x-y)+t*Sw.*sqrt(1./naa+1./nbb); %置信区间上界C=[d1,d2];
在结果窗口可得，均值差的置信度为0.90的置信区间C为：
[-8.96835164630392,2.27787545582773]
(3)总体均值为未知，置信度为0.90，α=0.10。两个总体方差比的置信区间为：
利用Matlab编译程序如下：
clear;load('a.mat');load('b.mat');Sa=var(a); %求样本a的方差%Sb=var(b); %求样本b的方差%S=Sa/Sb; %方差比na=size(a);nb=size(b);naa=na(:,2);%算a样本的个数nbb=nb(:,2);%算b样本的个数alpha=0.1; %0.90置信度p1=1-alpha/2;p2=alpha/2;F2 = finv(p1,naa-1,nbb-1);%f分布上分位数F1 = finv(p2,naa-1,nbb-1);%f分布下分位数d1=S*(1./F2); %置信区间下界d2=S*(1./F1); %置信区间上界D=[d1,d2];
在结果窗口可得，方差比的置信度为0.90的置信区间D为：[0.692414322692148，15.0383847138650]
如果觉得《单个正态总体参数的区间估计 两个正态总体参数的区间估计 Matlab实现》对你有帮助，请点赞、收藏，并留下你的观点哦！
