如何使用norm.ppf求解满足Pr(Z >= ε) = 0.1的标准正态分布Z值

核心函数逻辑说明 #

scipy.stats.norm.ppf() 是查正态分布分位数的工具，你传入参数q后，它会返回对应的分位值ε，固定满足关系：

Pr(符合参数设定的正态随机变量 ≤ ε) = q
这个函数对接的是左侧累积概率，没法直接计算「某个值右侧的概率」对应的分位。

问题公式等价转换 #

本次作业要求求解满足 Pr(Z >= ε) = 0.1 的ε值，利用正态分布总概率为1的性质做简单换算：
整个分布的概率从负无穷到正无穷累加等于1，因此ε右侧的概率是0.1，就意味着ε左侧的累积概率是1 - 0.1 = 0.9，这正是ppf函数能直接处理的输入值。

参考代码修改 #

只需要把原参考代码里的q值从0.5-0.341替换成换算得到的0.9即可，标准正态分布的位置参数loc=0、尺度参数scale=1和题目设定完全匹配，不需要额外改动：

import scipy.stats as stats
print(stats.norm.ppf(q=0.9, loc=0, scale=1))

代码运行后输出结果约为1.2816，就是题目要求的ENSO指数取值。

新手易踩的坑 #

• 别直接把题目里的右侧概率0.1当q值传给ppf，这么算出来的结果是-1.28，对应的是「Z大于-1.28的概率为0.9」，和题目要求完全反过来
• 以后碰到所有要算右侧概率对应分位的题目，统一先把右侧概率换算成左侧累积概率，再传给ppf计算就行

内容的提问来源于stack exchange，提问作者Rish9810