Lab3 mat statistic

alpha = 0.05

def m_interval(sample):
    n = sample.n()
    delta = stats.t(n - 1).ppf(1 - alpha / 2) * sample.s() / np.sqrt(n)
    mean = sample.mean()
    return mean - delta, mean + delta

fig, ax = plt.subplots()
ax.set_title('Доверительные интервалы для $m_{1..k}$')

samples = [x1, x2, x3, x4]
for i in range(len(samples)):
    l, r = m_interval(samples[i])
    domain = [l, r]
    values = [i + 1, i + 1]
    ax.plot(
        domain,
        values,
        label='$m_{} \\in [{}; {}]$'.format(i + 1, round(l, 3), round(r, 3)),
        linewidth=4
    )
    ax.fill_between(domain, 0, values, alpha=.2)

plt.legend()
plt.show()

H0 = LinearContrastHyp(x_pooled)
def Row (coef):
    c, (c_1, c_2), p_value, result = H0.full_test(coef, alpha=alpha)
    print(c_1, c_2)
    return [round(c, 4), round(p_value, 4), '$=$' if result else '$\\ne$', 'Нет ошибки' if result else 'Есть ошибка'] # ошибка определяется для равенства матожиданий

table(
    [
        'Гипотеза',
        'Выборочное значение статистики критерия',
        'p-value',
        'Статистическое решение при $\\alpha={}$'.format(alpha),
        'Ошибка статистического решения'
    ],
    [
        ['$m_1=m_2$'] + Row([1, -1, 0, 0]),
        ['$m_1=m_3$'] + Row([1, 0, -1, 0]),
        ['$m_1=m_4$'] + Row([1, 0, 0, -1]),
        ['$m_2=m_3$'] + Row([0, 1, -1, 0]),
        ['$m_2=m_4$'] + Row([0, 1, 0, -1]),
        ['$m_3=m_4$'] + Row([0, 0, 1, -1]),
    ]
)