所有这些都非常相似：如果可以使用函数来计算＃1
cdf(x)，那么对＃2的解决方案
1 -cdf(x)就很简单，对于＃3来说，解决方案就是
cdf(x) - cdf(y)。
由于Python包含自2.7版以来内置的（gauss）错误函数，因此您可以通过使用链接到文章的公式计算正态分布的cdf来做到这一点：
import mathprint 0.5 * (1 + math.erf((x - mean)/math.sqrt(2 * standard_dev**2)))
其中
mean，平均值
standard_dev是标准偏差。
考虑到本文中的信息，自您提出的问题起一些注意事项似乎相对简单：
- 随机变量的CDF（例如X）是X介于-无限和某个极限之间的概率，例如x（小写）。CDF是连续发行版pdf的组成部分。cdf正是您为＃1所描述的，您希望一些正态分布的RV在-infinity和x（<= x）之间。
- 连续随机变量的 <和<=以及>和> =相同，因为rv是任意单点的概率为0。因此，计算连续分布的概率时，是否包含x本身实际上并不重要。 。
- 概率之和为1，如果它不是
cdf(x)
。那么1 - cdf(x)
是随机变量X> = x的概率。因为> =对于连续随机变量等于>，所以这也是X> x的概率。
