पाइथन

Question

में सामान्य वितरण के लिए जे-स्कोर (जेड-वैल्यू, मानक स्कोर) को पी-वैल्यू में कनवर्ट करें Z-distribution (standard normal distribution, Gaussian distribution) से p-value पर Z-score कैसे परिवर्तित करता है? ऐसा करने के लिए मुझे अभी तक Scipy's stats module में जादुई फ़ंक्शन नहीं मिला है, लेकिन कोई वहां होना चाहिए।

Answer 1

मैं अस्तित्व समारोह (ऊपरी पूंछ संभावना) की तरह की पी मान प्राप्त कर सकते हैं सामान्य वितरण थोड़ा बेहतर है, क्योंकि फ़ंक्शन का नाम अधिक जानकारीपूर्ण है:

p_values = scipy.stats.norm.sf(abs(z_scores)) #one-sided 

p_values = scipy.stats.norm.sf(abs(z_scores))*2 #twosided 

सामान्य वितरण "आदर्श" scipy.stats में लगभग 90 वितरण में से एक

norm.sf भी gotgenes उदाहरण के रूप में scipy.special में इसी फ़ंक्शन को कॉल है

अस्तित्व समारोह, एस एफ के छोटे लाभ: cdf

Answer 2

आह! मैंने पाया: scipy.special.ndtr! यह scipy.stats.stats.zprob के साथ भी प्रतीत होता है (जो कि ndtr पर सिर्फ एक सूचक है)।

विशेष रूप

, एक आयामी numpy.array उदाहरण z_scores को देखते हुए, एक के रूप में

p_values = 1 - scipy.special.ndtr(z_scores) 

या वैकल्पिक रूप से

p_values = scipy.special.ndtr(-z_scores) 

Answer 3

का उपयोग करने के मुकाबले क्वांटाइल 1 के करीब संख्यात्मक सटीकता बेहतर होना चाहिए। मुझे लगता है कि संचयी वितरण फ़ंक्शन (सीडीएफ) को उत्तरजीवी कार्य को प्राथमिकता दी जाती है। उत्तरजीवी कार्य को 1-सीडीएफ के रूप में परिभाषित किया जाता है, और दिशात्मक प्रतिशत के लिए भाषा मॉडल का अनुचित आकलन गलत तरीके से संवाद कर सकता है। इसके अलावा, प्रतिशत बिंदु फ़ंक्शन (पीपीएफ) सीडीएफ के विपरीत है, जो बहुत सुविधाजनक है।

>>> import scipy.stats as st 
>>> st.norm.ppf(.95) 
1.6448536269514722 
>>> st.norm.cdf(1.64) 
0.94949741652589625 

Answer 4

सूत्र से

:

import numpy as np 
import scipy.special as scsp 
def z2p(z): 
    """From z-score return p-value.""" 
    return 0.5 * (1 + scsp.erf(z/np.sqrt(2)))