Python 来自scipy.stats.probplot的奇怪行为

在scipy的文档中，他们说：

用于理论分位数（概率图的水平轴）的公式为Filliben估计：

分位数=dist.ppf（val），对于0.5**（1/n），对于i=n

val=（i-0.3175）/（n+0.365），对于i=2，…，n-1

1-0.5**（1/n），对于i=1

我在哪里 指示第i个有序值和n 是值的总数

但当我用它插入一些数字时，它给出的值与probplot函数计算的值不同。例如：

np.random.seed(12)
n = np.random.randn(10) * 10
x, _ = stat.probplot(n, plot = plt)

-15.3472134是第二个值，因此我插入

---

（2-0.3175）/（10+0.365），它返回分位数0.162325（介于0和1之间的数字），而函数将其绘制为-0.98494667，并标记x轴理论分位数。如何从实际分位数0.162325计算-0.98494667“理论分位数”？

您得到的“val”值被视为概率。使用该概率，您将使用所需分布的百分比点函数（PPF）（在您的情况下为标准正态分布）得到分位数。“n”概率也可以从连续均匀（0,1）分布中随机获得，但用上述方法计算概率是一种方法。所以scipy.stats.norm.ppf（0.162325）=-0.98494667

为简单起见，您可以将ppf视为cdf的逆函数

“cdf”-对于给定的x值，它返回低于该值的点/质量百分比

---

“ppf”-对于给定的概率，它返回x值。这类似于计算z分数。

您得到的“val”值被视为概率。使用该概率，您将使用所需分布的百分比点函数（PPF）（在您的情况下为标准正态分布）得到分位数。“n”概率也可以从连续均匀（0,1）分布中随机获得，但用上述方法计算概率是一种方法。所以scipy.stats.norm.ppf（0.162325）=-0.98494667

为简单起见，您可以将ppf视为cdf的逆函数

“cdf”-对于给定的x值，它返回低于该值的点/质量百分比

“ppf”-对于给定的概率，它返回x值。这类似于计算z分数