标准正态分布表(scipy.stats)
生活随笔
收集整理的這篇文章主要介紹了
标准正态分布表(scipy.stats)
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
0. 標(biāo)準(zhǔn)正態(tài)分布表與常用值
-
Z-score 是非標(biāo)準(zhǔn)正態(tài)分布標(biāo)準(zhǔn)化后的 x即 z=x?μσz = \frac{x-\mu}{\sigma}z=σx?μ?
-
表頭的橫向表示小數(shù)點(diǎn)后第二位,表頭的縱向則為整數(shù)部分以及小數(shù)點(diǎn)后第一位;兩者聯(lián)合作為完整的 x,坐標(biāo)軸的橫軸
-
表中的值為圖中紅色區(qū)域的面積,也即 cdf,連續(xù)分布的累積概率函數(shù),記為 Φ(x)\Phi(x)Φ(x)
-
cdf 的逆,記為 Φ?1(x)\Phi^{-1}(x)Φ?1(x),如 Φ?1(3/4)\Phi^{-1}(3/4)Φ?1(3/4),表示 x 取何值時,陰影部分的面積為 0.75,查表可知,x 介于 0.67 和 0.68 之間;
>> from scipy.stats import norm >> norm.ppf(3/4) 0.6744897501960817
1. cdf 與 ppf(分位函數(shù))
from scipy.stats import norm-
覆蓋的概率范圍:
>> norm.cdf(1) - norm.cdf(-1) 0.6826894921370859 >> norm.cdf(2) - norm.cdf(-2) 0.9544997361036416 >> norm.cdf(3) - norm.cdf(-3) 0.9973002039367398 -
Φ(x)\Phi(x)Φ(x) 為 累積概率密度函數(shù),也即 cdf:
>> from scipy.stats import norm >> norm.cdf(0) 0.5 -
Φ?1(x)\Phi^{-1}(x)Φ?1(x),通過 norm(x) 進(jìn)行計算:
>> from scipy.stats import norm # Q3 分位點(diǎn); >> norm.ppf(3/4) 0.6744897501960817 # Q1 分位點(diǎn) >> norm.ppf(1/4) -0.6744897501960817
標(biāo)準(zhǔn)正態(tài)分布表
總結(jié)
以上是生活随笔為你收集整理的标准正态分布表(scipy.stats)的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: qq微信趣味测试小程序源码
- 下一篇: kvm学习---制作win7虚拟机镜像,