Comment calculer la distribution normale cumulative ?

Question

Je cherche une fonction dans Numpy ou Scipy (ou toute autre bibliothèque Python rigoureuse) qui me donnera la fonction de distribution normale cumulative en Python.

Answer 1

La réponse d'Alex vous montre une solution pour une distribution normale standard (moyenne = 0, écart-type = 1). Si vous avez une distribution normale avec mean y std (qui est sqr(var) ) et vous voulez calculer :

from scipy.stats import norm

# cdf(x < val)
print norm.cdf(val, m, s)

# cdf(x > val)
print 1 - norm.cdf(val, m, s)

# cdf(v1 < x < v2)
print norm.cdf(v2, m, s) - norm.cdf(v1, m, s)

Plus d'informations sur cdf ici et implémentation scipy de la distribution normale avec de nombreuses formules ici .

Answer 2

Pris de haut :

from scipy.stats import norm
>>> norm.cdf(1.96)
0.9750021048517795
>>> norm.cdf(-1.96)
0.024997895148220435

Pour un test bilatéral :

Import numpy as np
z = 1.96
p_value = 2 * norm.cdf(-np.abs(z))
0.04999579029644087

Answer 3

C'est simple comme bonjour :

import math
def my_cdf(x):
    return 0.5*(1+math.erf(x/math.sqrt(2)))

J'ai trouvé la formule dans cette page https://www.danielsoper.com/statcalc/formulas.aspx?id=55

Answer 4

Comme Google donne cette réponse pour la recherche netlogo pdf Voici la version netlogo du code python ci-dessus.

    ;; Normal distribution cumulative density function
    to-report normcdf \[x mu sigma\]
        let t x - mu
        let y 0.5 \* erfcc \[ - t / ( sigma \* sqrt 2.0)\]
        if ( y > 1.0 ) \[ set y 1.0 \]
        report y
    end

    ;; Normal distribution probability density function
    to-report normpdf \[x mu sigma\]
        let u = (x - mu) / abs sigma
        let y = 1 / ( sqrt \[2 \* pi\] \* abs sigma ) \* exp ( - u \* u / 2.0)
        report y
    end

    ;; Complementary error function
    to-report erfcc \[x\]
        let z abs x
        let t 1.0 / (1.0 + 0.5 \* z)
        let r t \*  exp ( - z \* z -1.26551223 + t \* (1.00002368 + t \* (0.37409196 +
            t \* (0.09678418 + t \* (-0.18628806 + t \* (.27886807 +
            t \* (-1.13520398 +t \* (1.48851587 +t \* (-0.82215223 +
            t \* .17087277 )))))))))
        ifelse (x >= 0) \[ report r \] \[report 2.0 - r\]
    end