Python scipy.stats.norm.interval返回inf

我有一堆数据点和一个模型，我现在想计算我能排除模型的置信水平

我从一个卡方值和一个自由度的值开始

使用scipy，我一直在尝试的是：

from scipy.stats import chi2
from scipy.stats import norm

chisq = 74.1
df = 21 #degrees of freedom

cdf = chi2.cdf(chisq, df,scale=1)
sigma = norm.interval(cdf)

这会产生我想要的输出（5.5西格玛置信度），但对于更高的chi^2值则失败

在我看来，问题在于scipy使用的数据类型的精度。对于chi^2值334.7（和相同的自由度数），chi^2.cdf产生1.0，这反过来使norm.interval return-inf/inf。这最好返回16.1 sigma置信度

我找到了一种使用mpmath获得cdf更高精度的方法：

import mpmath

mpmath.mp.dps = 200 # decimal digits of precision

def cdf(x,k):
    x,k = mpmath.mpf(x), mpmath.mpf(k)
    return mpmath.gammainc(k/2, 0, x/2, regularized=True)

但是，问题仍然存在，因为似乎scipy.stats.norm.interval将输入四舍五入为1.0

是否有一种方法可以通过更改norm.interval使用的数据类型来规避此问题，或者是否有其他方法/包可以使用任意精度输入计算正态分布的端点