Python数据可视化实现正态分布(高斯分布)

  • 时间:
  • 浏览:32

正态散布(Normal distribution)又成为下斯散布(Gaussian distribution)

若随机变量X从命1个数教希冀为、尺度圆好为的下斯散布,记为:

则其几率稀度函数为:

正态散布的希冀值决议了其地位,其尺度好决议了散布的幅度。果其直线呈钟形,因而人们又常常称之为钟形直线。我们凡是所道的尺度正态散布是的正态散布:

几率稀度函数

 

 

代码真现:

# Python真现正态散布
  # 画造正态散布几率稀度函数
  u = 0  # 均值μ
  u01 = ⑵
  sig = math.sqrt(0.2) # 尺度好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()

以上便是本文的全数内容,期望对各人的进修有所帮忙,也期望各人多多撑持剧本之家。