Python数据可视化正态分布简单分析及实现代码
程序员文章站
2023-12-31 20:46:58
Python说来简单也简单,但是也不简单,尤其是再跟高数结合起来的时候。。。
正态分布(Normaldistribution),也称“常态分布”,又名高斯...
Python说来简单也简单,但是也不简单,尤其是再跟高数结合起来的时候。。。
正态分布(Normaldistribution),也称“常态分布”,又名高斯分布(Gaussiandistribution),最早由A.棣莫弗在求二项分布的渐近公式中得到。C.F.高斯在研究测量误差时从另一个角度导出了它。P.S.拉普拉斯和高斯研究了它的性质。是一个在数学、物理及工程等领域都非常重要的概率分布,在统计学的许多方面有着重大的影响力。
正态曲线呈钟型,两头低,中间高,左右对称因其曲线呈钟形,因此人们又经常称之为钟形曲线。
若随机变量X服从一个数学期望为μ、方差为σ^2的正态分布,记为
N(μ,σ^2)
其概率密度函数为正态分布的期望值μ决定了其位置,其标准差σ决定了分布的幅度。当μ=0,σ=1时的正态分布是标准正态分布。其概率密度函数为:
我们通常所说的标准正态分布是
的正态分布:概率密度函数
代码实现:
# Python实现正态分布 # 绘制正态分布概率密度函数 u = 0 # 均值μ u01 = -2 sig = math.sqrt(0.2) # 标准差δ sig01 = math.sqrt(1) sig02 = math.sqrt(5) sig_u01 = math.sqrt(0.5) x = np.linspace(u - 3*sig, u + 3*sig, 50) x_01 = np.linspace(u - 6 * sig, u + 6 * sig, 50) x_02 = np.linspace(u - 10 * sig, u + 10 * sig, 50) x_u01 = np.linspace(u - 10 * sig, u + 1 * sig, 50) y_sig = np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig) y_sig01 = np.exp(-(x_01 - u) ** 2 /(2* sig01 **2))/(math.sqrt(2*math.pi)*sig01) y_sig02 = np.exp(-(x_02 - u) ** 2 / (2 * sig02 ** 2)) / (math.sqrt(2 * math.pi) * sig02) y_sig_u01 = np.exp(-(x_u01 - u01) ** 2 / (2 * sig_u01 ** 2)) / (math.sqrt(2 * math.pi) * sig_u01) plt.plot(x, y_sig, "r-", linewidth=2) plt.plot(x_01, y_sig01, "g-", linewidth=2) plt.plot(x_02, y_sig02, "b-", linewidth=2) plt.plot(x_u01, y_sig_u01, "m-", linewidth=2) # plt.plot(x, y, 'r-', x, y, 'go', linewidth=2,markersize=8) plt.grid(True) plt.show()
推荐阅读
-
Python数据可视化正态分布简单分析及实现代码
-
python结合selenium获取XX省交通违章数据的实现思路及代码
-
python结合selenium获取XX省交通违章数据的实现思路及代码
-
python结合selenium获取XX省交通违章数据的实现思路及代码
-
python在线编译器的简单原理及简单实现代码
-
Python爬取数据并实现可视化代码解析
-
Python数据分析:异常值检验的两种方法 -- Z 分数 & 上下分位点(放入自写库,一行代码快速实现)
-
利用Python代码实现数据可视化的5种方法详解
-
Python实现一个简单三层神经网络的搭建及测试 代码解析
-
Python数据可视化正态分布简单分析及实现代码