如何从字典中提取zα/2值以计算区间估计？

核心问题分析 #

1. 类型不匹配：你计算出的a是浮点型（比如0.025），但zdict的键是字符串类型（比如'0.025'），导致a in zdict永远返回False，无法匹配。
2. 错误方法调用：zdict[a]存储的是字符串格式的z值，不存在estimates()方法，直接调用会报错。
3. 区间估计逻辑不完整：区间估计需要计算上下限，你当前只写了单侧的计算。

修正步骤与代码实现 #

步骤1：统一字典键的类型

将zdict和tdict的键改为浮点型，和计算出的a类型保持一致，避免类型不匹配问题。

步骤2：正确提取并转换z值

通过字典键直接获取对应值，无需额外方法调用，直接用于计算即可。

步骤3：完善区间估计计算

计算边际误差，进而得到置信区间的上下限。

步骤4：导入math模块

因为用到了平方根计算，需要提前导入math模块。

修正后的完整代码：

import math

def estimates(sample_size, sample_mean, sd, CI=0.95):
    # 将字典键改为浮点型，与计算出的a类型匹配
    zdict = {0.05: 1.68, 0.025: 1.96}
    tdict = {0.05: 1.746, 0.025: 2.120}

    select = input("What do you want to do : ")
    if select == '1':
        print("PointEstimateCalc: ", sample_mean)
    elif select == '2':
        if sample_size >= 30:
            xbar = sample_mean
            zalpha = 1 - CI
            a = zalpha / 2
            # 类型匹配后可直接判断键是否存在
            if a in zdict:
                z_value = zdict[a]
                # 计算边际误差
                margin_of_error = z_value * sd / math.sqrt(sample_size)
                # 计算置信区间上下限
                lower_bound = xbar - margin_of_error
                upper_bound = xbar + margin_of_error
                print(f"Confidence Interval: ({lower_bound:.4f}, {upper_bound:.4f})")
            else:
                print(f"No corresponding z-value found for α/2 = {a}")
        else:
            # 样本量小于30时可补充t分布逻辑
            print("Sample size < 30, use t-distribution instead")

额外说明 #

如果坚持使用字符串作为字典键，可将计算出的a转为指定格式的字符串（避免浮点精度问题），示例如下：

# 原字典保持字符串键
zdict = {'0.05':'1.68', '0.025':' 1.96'}
# 将a转为保留3位小数的字符串
a_str = f"{a:.3f}"
if a_str in zdict:
    z_value = float(zdict[a_str])

内容的提问来源于stack exchange，提问作者Mehak Koul