分位数
定义:设随机变量X的分布函数为F(x),对任意给定的实数 p ,(0<p<1),若存在
x
p
x_p
xp 使得 P{
X
≤
X\leq
X≤
x
p
x_p
xp } = F(
x
p
x_p
xp) = p成立,那么称
x
p
x_p
xp为此概率分布的p分位数。
例:
如上图所示,图像为标准正态分布的概率密度函数,
x
p
x_p
xp 为p分位数。
上侧分位数
定义:对随机变量X和给定的
α
\alpha
α (0<
α
\alpha
α<1),若存在
x
α
x_\alpha
xα ,使得 P{X
≥
\geq
≥
x
α
x_\alpha
xα } =
α
\alpha
α,那么称
x
α
x_\alpha
xα 为X的上侧分位数。
例:
如上图所示,
x
α
x_\alpha
xα 为标准正态分布的上侧
α
\alpha
α 分位数。
在数理统计教程中,又把标准正态分布的上侧分位数记为:
u
α
u_\alpha
uα
Python实现
首先介绍一下几个常用分布的函数
import scipy.stats as st
st.norm() #正态分布
st.t() #t分布
st.f() #f分布
st.chi2() #
χ
2
\chi^2
χ2 分布
然后介绍一下基本的操作:
pdf 概率密度函数
cdf 分布函数
ppf 分布函数的逆
sf 残损函数(1-cdf)
isf 逆残损函数
下面是代码实现
看到结果,你可能会问,怎么跟数理统计书附录上的t分位数表不一样,是因为书上求的是上侧分位数表。