stats.norm.sf(x) 的功能

最新推荐文章于 2023-12-27 15:30:14 发布

chnhbhndchngn

最新推荐文章于 2023-12-27 15:30:14 发布

阅读量3.9k

点赞数 1

分类专栏：统计学文章标签：正态分布 stats.norm.sf

本文链接：https://blog.csdn.net/a857553315/article/details/117554389

版权

3 篇文章

订阅专栏

该博客通过Python的scipy库验证了标准正态分布中大于特定数值的概率计算。内容涉及1个、2个和3个标准差内的概率，并在区间估计中使用95%置信水平与1.96标准差的对应关系进行举例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在统计学中的标准正态分布中会有很多用到计算大于某个数值的概率， stats.norm.sf(x)函数就是计算这个概率的。

我们都知道标准正态分布中，一个标准差的概率大约是68.2%；两个标准差的概率大约是95.4%；三个标准差的概率大约是99.7%。

下面让我们来使用这个函数来验证一下

from scipy import stats

# 正态分布中大于 0 的概率
stats.norm.sf(0)

结果是：0.5

我们来计算一个标准差范围内的概率

# 大于一个标准差的概率
print(stats.norm.sf(1))

# 大于一个标准差的概率 和小于一个标准差的概率
print(2 * stats.norm.sf(1))

# 正负一个标准差之间的概率
print(1 - 2 * stats.norm.sf(1))

答案是：

0.15865525393145707
0.31731050786291415
0.6826894921370859

同理，我们可以得到正负两个，三个标准差范围的概率分别是

# 同理可得正负两个标准差之间的概率
print(1 - 2 * stats.norm.sf(2))
# 同理可得正负三个标准差之间的概率
print(1 - 2 * stats.norm.sf(3))

结果：

0.9544997361036416
0.9973002039367398

另外在区间估计的时候我们总是使用95%和1.96标准差，我们看看是不是对应的呢

print(1 - 2 * stats.norm.sf(1.96))

结果就是：

0.9500042097035591