python中的norm.ppf与norm.cdf'；s scipy.stats

所以我粘贴了我的完整代码供您参考，我想知道ppf和cdf在这里有什么用途？你能解释一下吗？我做了一些研究，发现ppf（百分比点函数）是CDF（累积分布函数）的逆函数 如果它们真的是这样，那么如果我分别将ppf和cdf替换为1/cdf和1/ppf，这段代码是否应该工作

请给我解释一下，这两者的区别。以及如何以及何时使用哪一种

顺便说一句，这是假设检验。 对于这么多的评论，我感到很抱歉，我只是习惯于解释一切，以备将来参考

球轴承半径=[2.99,2.99,2.70,2.92,2.88,2.92,2.82,2.83,3.06,2.85] 将numpy作为np导入 从数学导入sqrt 从scipy.stats导入norm #h1:u！=U_0 #h0:u=u_0 #案例研究：以滚珠轴承为例，声称半径=3，做假设检验 mu_0=3 西格玛=0.1 #采集样本 样本=滚珠轴承半径 #计算平均数 平均值=np.平均值（样本） #计算n n=len（样本） #计算检验统计量 z=（平均值-mu_0）/（σ/sqrt（n）） #设定阿尔法 a=0.01 #------------------------- #使用scipy范数的百分比点函数计算z_a/2 #ppf=百分比点函数，CDF的逆函数（累积分布函数） #此外，CDF=pr（X z_临界）： 打印（“\n删除无效假设：\n p-value=，p\u-value，”\n Alpha=，a） 其他： 打印（“无法拒绝无效假设。没有足够的证据拒绝它：\n p-value=“，p_-value，”\n Alpha=“，a） 函数

.ppf（）

计算给定正态分布值的概率，而

.cdf（）

函数计算给定概率为所需值的正态分布值。在这个特殊的意义上，它们是彼此相反的

要演示此计算，请检查下面的示例代码

from scipy.stats import norm
print(norm.ppf(0.95))
print(norm.cdf(1.6448536269514722))

这张图片和上面的代码应该让你清楚

---

谢谢

这比这两个函数的正反比更具统计学意义。明白了，谢谢@srishtigarg

from scipy.stats import norm
print(norm.ppf(0.95))
print(norm.cdf(1.6448536269514722))