python 에 정적 분포 그림 을 그 리 는 실례

1.정상 분포 안내
정상 분포(normal distribtution)는 고 스 분포(Gaussian distribution)라 고도 부 르 는데 매우 중요 하고 흔히 볼 수 있 는 연속 확률 분포 이다.정상 분포 도 모두 가 잘 알 고 있 으 니 다음은 간단 한 소 개 를 하 겠 습 니 다.
임 의 변수 XX 가 위치 매개 변수 에 따른다 고 가정 하면μμ、척도 매개 변 수 는?σσ의 정상 분 포 는 다음 과 같이 기록 할 수 있다.

확률 밀도 함 수 는?

2.python 에 정상 분포 직사 도 그리 기
코드

import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt


def demo1():
  mu ,sigma = 0, 1
  sampleNo = 1000
  np.random.seed(0)
  s = np.random.normal(mu, sigma, sampleNo)

  plt.hist(s, bins=100, normed=True)
  plt.show()

위 는 표준 정규분포 의 직사 도 이다.마지막 으로 출력 한 그림 은:

많은 학우 들 이 마음속 으로 의심 을 품 을 것 이다.이 이미 지 는 약간 이상 하 게 보이 지만 모양 이 약간 정상 분포 와 같 지만 차이 가 많 기 때문에 엄격 한 의미 의 정상 분포 라 고 할 수 없다.
왜 이런 상황 이 벌 어 졌 을 까?사실 이 유 는 간단 하 다.코드 에 우리 가 설정 한 smapleno=1000.이 수량 은 그리 크 지 않 기 때문에 전체 이미지 의 분 포 는 규칙 적 이지 않 고 대체적으로 정상 적 인 분포 추 세 를 보일 뿐이다.만약 에 우리 가 이 매개 변 수 를 확대 하면 견본 의 수량 을 증가 하 는 것 과 같 고 전체 이미 지 는 정상 분포 의 모양 에 더욱 가 까 워 질 것 이다.동전 을 던 지 는 원리 와 일치 하 며 던 지 는 횟수 가 많 을 수록 정면 과 뒷면 의 출현 확률 은 50%에 가깝다.
만약 우리 가 sampleno 를 1000000 으로 설정한다 면,분포 이미 지 는 다음 과 같다.

아래 이 그림 이 훨씬 예 뻐 보이 지 않 습 니까?
3.직사 도 와 확률 분포 곡선 그리 기

import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

def demo2():
  mu, sigma , num_bins = 0, 1, 50
  x = mu + sigma * np.random.randn(1000000)
  #        
  n, bins, patches = plt.hist(x, num_bins, normed=True, facecolor = 'blue', alpha = 0.5)
  #     
  y = mlab.normpdf(bins, mu, sigma)
  plt.plot(bins, y, 'r--')
  plt.xlabel('Expectation')
  plt.ylabel('Probability')
  plt.title('histogram of normal distribution: $\mu = 0$, $\sigma=1$')

  plt.subplots_adjust(left = 0.15)
  plt.show()

마지막 으로 얻 은 그림 은:

이상 python 에서 정적 분포 이미 지 를 그 리 는 실례 는 바로 소 편 이 여러분 에 게 공유 한 모든 내용 입 니 다.여러분 께 참고 가 되 고 저희 도 많이 응원 해 주시 기 바 랍 니 다.