使用scipy.stats估算概率：求Python实现R中pnorm对应方案

首先明确问题：答错题目数量服从二项分布，参数为n=50（总题数），p=0.1（单题答错概率）。你在R中用的是正态近似法（基于中心极限定理），对应Python的实现如下：

1. 正态近似法（和R代码等价） #

使用scipy.stats.norm的累积分布函数cdf，参数完全对应R中的pnorm：

• loc：正态分布的均值（对应R的m），计算为n*p = 50*0.1 = 5
• scale：正态分布的标准差（对应R的s），计算为sqrt(n*p*(1-p)) = sqrt(4.5)
• 连续性修正：原分布是离散的，要求答错≤4道，对应连续正态分布的4.5（和R中用4.5的逻辑一致）

代码示例：

import scipy.stats as stats
import numpy as np

# 正态近似计算
prob_approx = stats.norm.cdf(4.5, loc=5, scale=np.sqrt(4.5))
print(f"正态近似概率：{prob_approx:.4f}")

2. 精确二项分布计算 #

如果需要更精确的结果，可以直接用二项分布的累积分布函数：

# 精确二项分布计算
prob_exact = stats.binom.cdf(4, n=50, p=0.1)
print(f"精确概率：{prob_exact:.4f}")

两种方法的结果会非常接近，正态近似在n较大、p不极端时效果很好。

内容的提问来源于stack exchange，提问作者Tracyrenee