Numpy中的norm.ppf与norm.cdf与Python的Scipy.stats

在本文中，我们将介绍Numpy中的norm.ppf和norm.cdf函数以及在Python的Scipy.stats模块中的这些函数。这些函数都是用于处理正态分布的统计数据的。

阅读更多：Numpy 教程

Numpy中的norm.ppf函数

Numpy中的norm.ppf函数是解析正态分布下一个给定概率值的对应分布值的逆函数。ppf（或分位点函数）将概率转换为实际分布的位置。

举个例子，假设我们想知道在标准正态分布中，95%的观察值对应的分布位置是多少。我们可以通过将0.95作为参数传递给norm.ppf函数来回答这个问题。

import numpy as np

position = np.norm.ppf(0.95)

print(position) # 输出：1.6448536269514722

这意味着，在标准正态分布中大约有95%的观察值对应的位置小于1.65。

Numpy中的norm.cdf函数

Numpy中的norm.cdf函数是累积分布函数（CDF）。CDF返回随机变量小于或等于一个给定值的概率。

例如，我们可以使用norm.cdf函数来计算标准正态分布中，小于1的位置的比例。

import numpy as np

proportion = np.norm.cdf(1)

print(proportion) # 输出：0.8413447460685429

这意味着在标准正态分布中，大约84%的观察值的位置小于等于1。

Python的Scipy.stats模块中的norm.ppf和norm.cdf函数

Python的Scipy.stats模块中也包含norm.ppf和norm.cdf函数。Scipy.stats.norm类提供了这些函数，其中函数的参数略有不同，但执行相同的操作。

首先，我们可以使用Scipy.stats.norm.ppf函数来解析正态分布下一个给定概率值的对应分布值的逆函数。

from scipy.stats import norm

position = norm.ppf(0.95)

print(position) # 输出：1.6448536269514722

然后我们可以使用Scipy.stats.norm.cdf函数计算随机变量小于或等于一个给定值的概率。

from scipy.stats import norm

proportion = norm.cdf(1)

print(proportion) # 输出：0.8413447460685429

这与我们使用Numpy的方法得到的结果相同。

总结

在本文中，我们介绍了Numpy中的norm.ppf和norm.cdf函数，以及在Python的Scipy.stats模块中的这些函数。这些函数都用于对标准正态分布下的数据进行统计分析。我们还讨论了如何使用这些函数来解析正态分布下特定概率值对应的位置或找到随机变量小于或等于给定值的概率。无论你使用Numpy还是Python的Scipy.stats模块，这些函数将是你处理正态分布统计数据的有力工具。