Python中根据p-value与df计算双侧t-score的实现方法

已知条件 #

• 双侧检验对应单侧分位点p=0.005
• 自由度df=120
• 要求计算结果和R执行以下命令的输出完全匹配：

T1 = qt(0.005, 120)
T2 = -qt(0.005, 120)

之前的误区 #

之前查阅的scipy.stats.nct是非中心t分布的实现接口，和R中qt默认调用的中心t分布分位数计算不是同一场景，因此找不到对应用法。

正确实现代码 #

直接使用scipy.stats.t（中心t分布）的ppf方法即可，ppf是累积分布函数的逆函数，和R语言中qt的功能完全对应：

from scipy import stats

df = 120
p = 0.005

# 对应R中T1 = qt(0.005, 120)
T1 = stats.t.ppf(p, df=df)
# 对应R中T2 = -qt(0.005, 120)，也可直接写为stats.t.ppf(1-p, df=df)
T2 = -stats.t.ppf(p, df=df)

结果验证 #

运行上述代码得到的输出为：

• T1 ≈ -2.6174
• T2 ≈ 2.6174
  和R语言qt命令计算的结果精度完全一致。

内容的提问来源于stack exchange，提问作者Youngun