0. 標準正態分布表與常用值

• Z-score 是非標準正態分布標準化后的 x即?z = x ? μ σ z = \frac{x-\mu}{\sigma}z=σx?μ?

• 表頭的橫向表示小數點后第二位，表頭的縱向則為整數部分以及小數點后第一位；兩者聯合作為完整的 x，坐標軸的橫軸

• 表中的值為圖中紅色區域的面積，也即 cdf，連續分布的累積概率函數，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）

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，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) 進行計算：

>> from scipy.stats import norm # Q3 分位點； >> norm.ppf(3/4) 0.6744897501960817 # Q1 分位點 >> norm.ppf(1/4) -0.6744897501960817

---

標準正態分布表

總結

以上是生活随笔為你收集整理的2020-10-22标准正态分布表（scipy.stats）的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。