Python 为什么非标准化分布的scipy范数不同

我有一个正态分布，平均值为71，方差为20.25。该示例取自“人头优先统计”

当我将正态分布标准化为零的平均值时，我得到了正确的结果，但是从我对scipy和正态分布的理解来看，对于非标准化分布，我应该得到相同的概率

from scipy.stats import norm
import math

# prints 0.539337742276
print(norm(71, 20.25).sf(69))

zscore = (69-71) / math.sqrt(20.25)
print(norm(0,1).sf(zscore))
# prints 0.671639356718

---

请注意，

norm

是用均值和标度参数化的，而不是用均值和平方标度参数化的。因此,

>>> from scipy.stats import norm
>>> norm(71, pow(20.25,0.5)).sf(69)
0.6716393567181147
>>> zscore = (69-71) / pow(20.25,0.5)
>>> norm(0,1).sf(zscore)
0.6716393567181147

---

请注意，

norm

是用均值和标度参数化的，而不是用均值和平方标度参数化的。因此,

>>> from scipy.stats import norm
>>> norm(71, pow(20.25,0.5)).sf(69)
0.6716393567181147
>>> zscore = (69-71) / pow(20.25,0.5)
>>> norm(0,1).sf(zscore)
0.6716393567181147