logo标签列表

scipy.stats.norm.pdf在Python中用于计算p值。

pythonscipystatistics
3

我正在进行一项单样本假设检验，并使用如下所示的scipy.stats.norm.pdf()来计算p值。

import scipy.stats as stats

x = 98.24923076
mean = 98.6
sigma = 0.064304

z = (mean - x) / sigma

p_value = stats.norm.pdf(x, mean, sigma)

我明白我的p值为2.144621812e-06，z值为5.45485879572。然而，当我将这些数字输入在线的p或z计算器（例如链接）时，我得到了不同的值。我想我在统计或编码方面遗漏了什么。谢谢您提前的帮助。
1个回答
5
为计算p值，需要使用累积分布函数（cdf）而非概率密度函数（pdf）。
stats.norm.cdf(x, mean, sigma)
//2.4505888408075971e-08
谢谢Christian。这个结果与我在上面链接中得到的结果相匹配。使用cdf而不是pdf的原因是因为cdf是pdf的积分，我正在寻找一个范围内的概率值，而不是单个点的概率值？我猜这更像是一个统计学问题，但您的见解将不胜感激。 - Charles
我不一定会这样说，但我认为你的想法是正确的。只要注意对于连续分布来说，“在单个点上的概率”并没有太多意义，因为它总是为零。累积分布函数确实是概率密度函数的积分。 - Christian Hirsch
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接