scipy.special.ndtri#

scipy.special.ndtri(y, выход=None) = 'ndtri'>#

Обратная функция для ndtr vs x

Возвращает аргумент x, для которого площадь под стандартной нормальной функцией плотности вероятности (проинтегрированной от минус бесконечности до x) равно y.

Параметры:

parray_like: Вероятность
выходndarray, необязательно: Необязательный выходной массив для результатов функции

Возвращает:

xскаляр или ndarray: Значение x такое, что ndtr(x) == p.

Смотрите также

ndtr: Стандартное нормальное кумулятивное распределение вероятностей
ndtri_exp: Обратная функция log_ndtr

Примечания

ndtri имеет экспериментальную поддержку совместимых с Python Array API Standard бэкендов в дополнение к NumPy. Пожалуйста, рассмотрите тестирование этих функций, установив переменную окружения SCIPY_ARRAY_API=1 и предоставление массивов CuPy, PyTorch, JAX или Dask в качестве аргументов массива. Поддерживаются следующие комбинации бэкенда и устройства (или других возможностей).

Библиотека	CPU	GPU
NumPy	✅	н/д
CuPy	н/д	✅
PyTorch	✅	✅
JAX	✅	✅
Dask	✅	н/д

См. Поддержка стандарта array API для получения дополнительной информации.

Примеры

ndtri является функцией процентиля стандартного нормального распределения. Это означает, что она возвращает обратную функцию кумулятивной плотности ndtr. Сначала вычислим значение кумулятивной плотности.

>>> import numpy as np
>>> from scipy.special import ndtri, ndtr
>>> cdf_val = ndtr(2)
>>> cdf_val
0.9772498680518208

Проверить, что ndtri возвращает исходное значение для x с точностью до ошибок с плавающей точкой.

>>> ndtri(cdf_val)
2.0000000000000004

Построить график функции. Для этой цели мы предоставляем массив NumPy в качестве аргумента.

>>> import matplotlib.pyplot as plt
>>> x = np.linspace(0.01, 1, 200)
>>> fig, ax = plt.subplots()
>>> ax.plot(x, ndtri(x))
>>> ax.set_title("Standard normal percentile function")
>>> plt.show()