我是 matplotlib 和统计的新手。尝试通过以下示例进行学习，并在理解和解决方案方面需要一些帮助。

我在下面添加了条形图图像。我有 1992、1993、1994 和 1995 四年的样本数据。我为它们的均值和误差范围绘制了 4 个条形图。此外，我允许用户绘制一个矩形来选择 y 轴上的范围。这在图像中显示为灰色水平矩形，ymax=46132 和 ymin=37527。现在的任务是将每个条形图与这个 y 轴范围进行比较，并评估每个分布值是否落在 y 轴上选定范围内的概率，并根据底部的颜色图对条形图进行相应的着色。

我已经使用以下代码来查找此概率，但它没有显示正确的结果。df2 有 4 行，其中包含每个条形的平均值和标准差。ymax=46132 和 ymin=37527。

下面是输出的 cdf 值。所有都接近 0，因此 cmap 为所有条形图呈现浅色。根据我的理解，在图像中当前的 y 轴范围内，1993 年的条形图应该用深色绘制（应该有更高的概率），1992 年和 1995 年用浅色绘制（概率较低），而 1994 年可能会用 -颜色之间。

请帮助我了解我做错了什么以及如何解决这个问题。

我需要以下 MATLAB 代码的 python 等效代码：

我找到下面的 python 代码，但我不知道如何提供它的cdf. 如果您能指导我，我将不胜感激。

问题陈述 - 假设变量 X 有一个钟形分布，平均值为 150，标准差为 20。X 值在 190 以上的百分比是多少？

到目前为止我的代码：

我知道 68% 的 X 位于 1 个标准差内，即（在 130 到 170 之间），95% 位于 2 个标准差内（110 到 190）。

但是如何找到高于 190 的值的百分比？（我写了 2.50 作为答案，但它不正确）

问题陈述 - 变量 X 的平均值为 15，标准差为 2。

介于 8 和 17 之间的 X 值的最小百分比是多少？

我知道 68-95-99.7 经验法则。从谷歌我发现 1.5 个标准差内的值的百分比是 86.64%。到目前为止我的代码：

据我了解，

13-17 在 1 个标准偏差内，具有 68% 的值。

9-21 将是具有 99.7% 值的 3 个标准偏差。

7-23 是 4 个标准差。所以 8 比平均值低 3.5 个标准差。

如何找到从 8 到 17 的值的百分比？

问题陈述 - 随机变量 X 是 N(25, 4)。求 X 的指定百分位数：

一个。第 10 个百分位

湾。第 90 个百分位

C。第 80 个百分位

d。第 50 个百分位

尝试 1

我的代码：

... 像那样。我从https://sphweb.bumc.bu.edu/otlt/mph-modules/bs/bs704_probability/bs704_probability10.html中给出的 Zscore 表中得到了值

尝试 2

但是根据实践平台的隐藏测试用例，答案是不正确的。谁能告诉我计算答案的正确方法？是否有任何 scipy.stats 功能？

我想从一个分布中抽取 N 个随机样本，该分布是两个截断的正态分布之和。rv_continuous我通过子类化并提供一个 pdf 来获得我想要的东西scipy.stats，该 pdf 是两个给定 pdf 的平均值：

但是，使用：

非常慢，每个随机值大约需要 5 秒。

我确信这可以更快地完成，但我不知道该怎么做。我是否应该将我的分布定义为（非截断）正态分布的总和，然后强制截断？我在这个方向上做了一些测试，但这只是快了大约 10 倍，因此仍然很慢。

谷歌告诉我，我可能需要使用逆变换采样并覆盖该_rvs方法，但我未能使其适用于我的截断分布。

我是统计和数据科学领域的初学者，所以请您善待我。

我必须在python中解决以下问题：

问题陈述 - 假设总体变量 X 为 N(3, 0.3) 且 n = 20。必须选择多大的区间才能使样本均值位于总体均值 μ 的 ±a 单位内的概率为 0.95？

我知道 68% 的数据在 1 个标准差内，即 2.7 到 3.3。95% 的数据在 2 个标准偏差范围内，即 2.4 到 3.6。

我的代码：

输出：

但是答案 (ba) 不正确，因为它与隐藏测试用例的预定义答案不匹配。

在打印 a,b 值时，我得到：

a= 2.412010804637984

b= 3.587989195362016

可能是我没有正确回答问题，或者我没有以正确的方式计算。

已编辑

尝试 2

使用概念 μ=¯ ± Z(σ/√n)。¯ 是样本均值。μ 是总体平均值。95% 是置信区间。

尝试 3

尝试 4

所有尝试都显示不正确的答案。

请建议我该怎么做。

当第三列满足某些条件时，我正在尝试找到一种方法来获取数据框中两列之间的人员相关性和 p 值。

df =

我最初尝试了一些 pd.Series.corr()非常快的功能，并按照我想要的方式获得最终输出：

然后，这给了我（大部分）想要的表：

这适用于给我个人相关性，但不是 p 值，这将有助于确定相关性的相关性。

有没有办法以这种方式获得与相关联的 p 值，pd.Series.corr()或者某个版本的scipy.stats.pearsonr 迭代每个 BucketID 的数据帧会更有效？我尝试了这种口味的东西，但速度非常慢（几十分钟而不是几秒钟）。

提前感谢您的帮助和/或评论。

给定以下数组：

我想为各个样本的每个切片运行一次 Mann-Whitney(-Wilcoxon) U 检验，并将结果填充到一个输出数组中，其中一个切片用于 U 统计量，另一个用于 p 值。我知道我可以像这样单独运行它们：

输出：

期望的输出：

我已经尝试过np.apply_along_axis，但数组参数只需要一个输入，而我有 2 个。此外，我需要尽可能快的解决方案，因为作为模拟的一部分，我将在数千个切片上执行此操作。

提前致谢！

我正在尝试将广义错误分布拟合到我拥有的某些数据中。分布形式为

我尝试了以下实现

然而，这给

如何正确实施此分发？我正在尝试拟合真实数据（不是问题中生成的玩具正常数据）