R中的qgeom和Python中的scipy.stats.geom.ppf有什么区别？
What is the difference between qgeom in R and scipy.stats.geom.ppf in Python?
我的理解是两种方式都应该给出低尾概率对应的分位数。但是，我得到不同的结果。
例如：- qgeom(0.99,0.5) 在 R 中给出 6，而 geom.ppf(0.99,0.5) 在 Python.
中给出 7
tldr; R 和 SciPy.
中几何分布的 pmf 不同
首先，最好确认在 R 和 Python 中计算的一般分位数是一致的，例如在正态分布的情况下
from scipy.stats import norm
norm.ppf(0.99)
#2.3263478740408408
qnorm(0.99)
#[1] 2.326348
对于几何分布的情况，分位数函数不同是因为概率质量函数（pmf）不同。在R中，几何分布的pmf定义为p(1 - p)^k（参见help("Geometric")）；在 Python 的 SciPy 模块中，几何分布定义为 p(1 - p)^(k-1)（参见 scipy.stats.geom）。
您可以在 Wikipedia article 中找到这两个定义的关键数量摘要。本质上，^k 定义是 "used for modeling the number of failures until the first success"，而 ^(k-1) 定义与 "the probability that the kth trial (out of k trials) is the first success" 有关。
我的理解是两种方式都应该给出低尾概率对应的分位数。但是，我得到不同的结果。
例如：- qgeom(0.99,0.5) 在 R 中给出 6，而 geom.ppf(0.99,0.5) 在 Python.
tldr; R 和 SciPy.
中几何分布的 pmf 不同首先，最好确认在 R 和 Python 中计算的一般分位数是一致的，例如在正态分布的情况下
from scipy.stats import norm norm.ppf(0.99) #2.3263478740408408 qnorm(0.99) #[1] 2.326348对于几何分布的情况，分位数函数不同是因为概率质量函数（pmf）不同。在R中，几何分布的pmf定义为
p(1 - p)^k（参见help("Geometric")）；在 Python 的 SciPy 模块中，几何分布定义为p(1 - p)^(k-1)（参见 scipy.stats.geom）。您可以在 Wikipedia article 中找到这两个定义的关键数量摘要。本质上，
^k定义是 "used for modeling the number of failures until the first success"，而^(k-1)定义与 "the probability that the kth trial (out of k trials) is the first success" 有关。