我正在尝试使用scipy.stats工具箱为数据拟合逆高斯分布。使用以下代码可以很好地拟合数据：
import scipy.stats
dist = stats.invgauss
# fit a distribution to the data
dist_fit = dist.fit(data);
dist_model = dist(*dist_fit);
# find the distribution mean
dist_mu = dist_model.mean();
# find the distribution standard deviation
dist_std = dist_model.std();
这样可以使分布看起来像这样：inverse_gaussian_fit。
我正在尝试确定此分布均值的置信区间。根据我的理解，均值的置信区间等于均值的标准误差（等于标准差除以测试次数的平方根）乘以百分点函数（等于在所需的置信水平下，累积分布函数的倒数）。我可以使用以下代码执行此操作：
# find the inverse gaussian standard error/confidence interval
dist_se = dist_std / np.sqrt(n);
dist_ci_l = dist_se * dist_model.ppf(0.05);
dist_ci_h = dist_se * dist_model.ppf(0.95);
不幸的是，这会产生不切实际的结果： inverse_gaussian_running_averages
如何为逆高斯函数生成非对称置信区间？我已经看到许多应用程序，其中一个假定正态分布的置信区间，但会产生对称的置信区间。
