1 .在学习问题背景AB_test的过程中，有计算样本量的环节。 其中，每个样本分布有以下计算公式：
其中，大眼睛翼在计算z1-阿尔法(一种错误极限值)和z1-贝塔(beta )两种错误极限值)时，使用以下公式
stats.norm.ISF (阿尔法，loc=0，scale=1)为什么要求1-alpha，计算时代入的参数是3358www.Sina.com/呢因此，我想调查一下stats.norm的各方法所表示的函数是什么意思。
2.stats.norm的常用方法rvs:随机变量(就是从这个分布中提取样本(这可以看到文章末尾链接的另一篇文章) ) pdf :概率密度函数。 cdf、累计分布函数sf、剩余函数(1-cdf ) ppf、分位点函数) cdf的逆) isf、逆剩余函数) sf的逆) stats:返回均值、方差、(fisher偏移、)峰度。 moment:分布的非中心矩。 (这个在网上找不到太多资料，不知道该怎么写，如果有认识的朋友请在评论区评论)3.stats.norm上各种常用方法的个人理解python代码首先引导你打包
importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromscipyimportstatsimportwarnings.filter warnings (PLT.rcpparcpartatimpltittttttespltttion
PLT.figure (fig size=(20，12 ) ) ax1=PLT.subplot ) 2，2，1 ) x=NP.linspace ) 0，1，20 ) y1=stats.norm.norm scale :标准设备标准差y2=stats.norm.ISF(x，loc=0，scale=1) ax1.plot ) x，y1，color='r '，label=scale=1) y2=stats.norm.SF(x，loc=0，scale=1) ax2.plot ) x，y1，color='r '，label='cdf累计分布函数') ax2 label='sf剩余函数(1-CDF ) ) ax2.legend ) loc='upperright '，fontsize=20 ) ax3=PLT.subplot ) 2，2，3 ) x=NP label='cdf累计分布函数' (ax3.legend(loc='upperright '，fontsize=20 ) #使视图布局紧凑的plt.tight_layout ) )绘制结果
函数理解pdf :请注意，它不同于概率密度函数3354正态分布函数。 关于具体概念，通过从左侧计算作为cdf :累计分布函数——的pdf曲线下的面积、即概率，x越大，则cdf的值越是pbdxhd :残留函数(1-CDF ) 3354的pdf曲线下的面积、即概率分位点函数(cdf的逆) ——根据给定的概率求出临界点的值。 请注意，这里的概率是从左侧计算的。 也就是说，一般来说，与我们考虑的某个值相对应的概率isf :逆剩余函数[SF的逆——，即根据给定的概率来计算临界点的值，注意这里的概率是从右侧计算的。 这里主要在右侧检查时，可以直接代入右侧的概率。 也就是说，请注意stats.Norm.ISF(x )和stas.norm.PPF (1- x )的值相等。 累计分布都是正数。 临界点可能有正负
3 .解决问题因此，课堂上老师写的是正确的。 课例中使用了单侧(右侧)检查，在容易理解的情况下，也可以写成stats.norm.PPF(1-阿尔法，loc=0，scale=1)
4 .其他问题在开头提到的样本量计算公式中，单侧均使用Z1-alpha和Z1-beta。 那么，如果是单侧(左侧)检查的话，在公式中会变成z和z吗？ 希望老师能在评论区回答
5 .链接本文参考和另一个stats.norm函数的注释： https://blog.csdn.net/QQ _ 36056219/article/details/112118602
另外，本论文的项目和课程支持检查数据分析训练所，感谢老师的细心说明~