Scipy - z 值的两个尾部 ppf 函数？
Scipy - two tail ppf function for a z value?
使用 scipy.stat.norm 中的 ppf 函数，我得到了单尾结果，例如，ppf(.95) 给出了 1.644... 而不是 1.96...应该得到双尾分布。
scipy 中是否有一个函数可以根据 p 值给出双尾 z 分数？
您要找的很简单
In [12]: def normz(val):
....: return scipy.stats.norm.ppf((1+val)/2)
....:
In [13]: normz(0.95)
Out[13]: 1.959963984540054
这是因为正态分布的对称性。 95% 的置信区间覆盖了 95% 的正态曲线，因此获得这 95% 之外的值的概率小于 5%（ 由于其形状）。然后回想一下正态曲线是对称的，每条尾部的面积相当于
所以在你的例子中，每条尾巴的面积是 0.025。
因此，为了将 scipy.stats.normal.ppf() 与 C 一起使用，您必须使用 symmetric正态分布的性质和
获得合适的lower/upper尾概率0.975与scipy.stats.norm.ppf()一起使用。此图可以帮助您形象化概念。
使用 scipy.stat.norm 中的 ppf 函数，我得到了单尾结果，例如，ppf(.95) 给出了 1.644... 而不是 1.96...应该得到双尾分布。
scipy 中是否有一个函数可以根据 p 值给出双尾 z 分数？
您要找的很简单
In [12]: def normz(val):
....: return scipy.stats.norm.ppf((1+val)/2)
....:
In [13]: normz(0.95)
Out[13]: 1.959963984540054
这是因为正态分布的对称性。 95% 的置信区间覆盖了 95% 的正态曲线，因此获得这 95% 之外的值的概率小于 5%（ 由于其形状）。然后回想一下正态曲线是对称的，每条尾部的面积相当于
所以在你的例子中，每条尾巴的面积是 0.025。
因此，为了将 scipy.stats.normal.ppf() 与 C 一起使用，您必须使用 symmetric正态分布的性质和
获得合适的lower/upper尾概率0.975与scipy.stats.norm.ppf()一起使用。此图可以帮助您形象化概念。