scipy.stats.norm.pdf用于在python中计算p值

我正在执行一个单样本假设检验，并使用scipy.stats.norm.pdf（）计算p_值，如下所示

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)

我得到p_值=2.144621812e-06，z=5.45485879572。然而，当我在线将这些数字插入p或z计算器时（例如），我会得到不同的值。我想我在统计或编码方面遗漏了一些东西

---

提前感谢您的帮助。

为了计算p值，您需要使用cdf而不是pdf

stats.norm.cdf(x, mean, sigma)
//2.4505888408075971e-08

---

谢谢你，克里斯蒂安。这个结果与我在上面的链接中得到的结果相匹配。使用cdf和pdf的原因是因为cdf是pdf的积分，并且我在寻找一个范围内的概率值，而不是单个点上的概率值？我猜这更像是一个统计问题，但你的洞察力将受到赞赏。我不一定这么说，但我认为你走在了正确的轨道上。请注意，对于连续分布来说，谈论“单点概率”没有多大意义，因为它始终为零。cdf实际上是pdf的组成部分。