python正态分布函数_数学之美_正态分布(Python代码)
1 在概率统计中，我们针对某个事件当中各个样本发生的概率的频率进行统计，用一个函数的形式写出的这个概率的频率函数就叫做分布函数。
2 分布函数顾名思义，就是某个连续事件发生频率的汇总表示。再直白一点儿来说，就是一堆事情我们把他们堆砌起来只管的去观察他们的组合特点就叫分布。
3 这种组合特点有很多种，我们很多时候用图像的形式表示出来，而且针对不同组合的这种图像出现了二项分布、伯努利分布、正态分布等等分布，其实就是把近似于某种组合特点的图像的差别进行分别研究他们的性质等。这里用到的是近似，因为根据iid(独立同分布)的这种性质，任何图形不可能百分比跟我们所观察的这种分布一样，但是随着样本的不断增加，观察的这种组合会越来越近似的趋于某一种分布图像。
4 在分布中，我们在很多软件中我们会看到这种图像
其中一根一根的紫色柱子就叫概率频率，其实求分布就是在求概率频率，什么叫做概率频率呢？比如一个样本有1000个数值，如果这个样本中存在各种重复(或者不重复都一样)把他们在这1000个数值中出现的次数进行记录，然后把这些次数按照数值的大小进行正负和大小排列起来就是形成了某种图像，然后我们把每种图像的每一个最高点进行连线，就是叫密度曲线。其实这个很好理解。
5 我们对于不同的分布，都会对应一个这种分布的标准形式，然后这个标准形式会对应一个分布函数。其实从上面我们就知道，这个分布函数就是求概率频率的值。给函数一个值，返回给你一个概率值，然后把这些值按照大小，出现次数堆砌起来就是这个分布图像。
6 最常见的就是如上图，曲线跟一个佛堂里面的鈡的外形很像，这个就叫做正太的分布，也叫正太分布，英文叫Normal Distribution。如果都是一一对应，左右对称的样子，那么它就叫做标准正太分布。(但是在处理实际问题的时候很少会遇到标准的正太分布，实际图像近似于这种分布，而且如果是正太的这种分布，随着你样本的不断增加，会无限趋近于标准正太分布，这也叫所谓渐进无偏性。)。这里的正太分布还有一个名字叫做“高斯分布”Guass Distribution，都是一会儿事儿。我们发现高斯大神在数学领域那个地方随时能见到他的身影。要不说是数学王子呢。
7 废话少说，对应每种分布我们先把他的分布函数写出了：
这个函数我们看到可以写做两种形式我们知道方差开方等于标注差，这就不用多说了。
另外，我们另方差为方差为1，均值为0，这个公式变形为如下形式：
这个玩意儿就叫做标准正太分布，也就是上面那个图像的样子。但是平时的分布如果不太标准的话，就用上面两个式子。
8 我们用python来写一下这个代码：
1 Sample =[]2 i =03 with open("Raw.txt", "r", encoding="utf-8") as f:4 TS =f.readlines()5 while i
8 i =09
10 NorN = int(input("输入1位求非标准正太分布，输入0位求标准正太分布"))11 importnumpy as np12 #求非标准的正太分布
13 if NorN == 1:14 #step 1 求样本的均值
15 i =016 avg =017 while i
20 avg = avg /len(Sample)21 #step 2 求样本的方差
22 sigma2 =np.var(Sample, 0)23 #step 3 求密度函数
24 Func =[]25 i =026 for i inSample:27 Func.append(round((np.exp(-0.5 * ((i - avg) / sigma2)) / (np.sqrt(2*np.pi*sigma2))), 4))28 print(Func)29
30 if NorN ==0:31 #step 1 求样本的均值
32 avg = int(input("请输入均值，标准为0"))33 #step 2 求样本的方差
34 sigma2 = int(input("请输入方差，标准为1"))35 #step 3 求密度函数
36 Func =[]37 i =038 for i inSample:39 Func.append(round((np.exp(-0.5 * ((i - avg) / sigma2)) / (np.sqrt(2 * np.pi * sigma2))), 4))40 print(Func)41
42
43 #输入结果：
44 #输入1位求非标准正太分布，输入0位求标准正太分布1
45 #[0.1173, 0.128, 0.1226, 0.1593, 0.0943, 0.0864, 0.0943, 0.1173, 0.1173, 0.1338, 0.0902, 0.1226, 0.1173, 0.0985, 0.1397,
46 #0.1123, 0.1338, 0.1173, 0.1173, 0.1338, 0.1075, 0.1075, 0.128, 0.1226, 0.1123, 0.1173, 0.0943, 0.1226, 0.128, 0.1029, 0.128,
47 #0.1338, 0.128, 0.1075, 0.1338, 0.1173, 0.1816, 0.1123, 0.1397, 0.1173, 0.1029, 0.1397, 0.1075, 0.1226, 0.1593, 0.0985, 0.1525,
48 #0.1075, 0.1226, 0.1664, 0.1525, 0.0864, 0.1029, 0.1173, 0.1029, 0.1075, 0.1173, 0.1173, 0.1173, 0.128, 0.1123, 0.1123, 0.1029,
49 #0.128, 0.1397, 0.1029, 0.128, 0.1123, 0.1173, 0.1397, 0.1338, 0.1029, 0.1123, 0.1593, 0.1123, 0.1029, 0.0943, 0.1123, 0.1173,
50 #0.1029, 0.1338, 0.128, 0.1226, 0.1173, 0.1338, 0.0985, 0.128, 0.1397, 0.1075, 0.1397, 0.1075, 0.1123, 0.1397, 0.1123, 0.1123,
51 #0.1123, 0.1029, 0.1029, 0.1226, 0.1173, 0.1029, 0.128, 0.1173, 0.1173, 0.1075, 0.0943, 0.1397, 0.0864, 0.1226, 0.1226, 0.1525,
52 #0.1397, 0.1226, 0.1075, 0.0943, 0.0792, 0.1338, 0.146, 0.1173]
53
54 #输入结果：
55 #[0.3989, 1.0844, 0.6577, 13.2112, 0.0327, 0.012, 0.0327, 0.3989, 0.3989, 1.7879, 0.0199, 0.6577, 0.3989, 0.054, 2.9478, 0.242,
56 #1.7879, 0.3989, 0.3989, 1.7879, 0.1468, 0.1468, 1.0844, 0.6577, 0.242, 0.3989, 0.0327, 0.6577, 1.0844, 0.089, 1.0844, 1.7879,
57 #1.0844, 0.1468, 1.7879, 0.3989, 59.2083, 0.242, 2.9478, 0.3989, 0.089, 2.9478, 0.1468, 0.6577, 13.2112, 0.054, 8.013, 0.1468,
58 #0.6577, 21.7815, 8.013, 0.012, 0.089, 0.3989, 0.089, 0.1468, 0.3989, 0.3989, 0.3989, 1.0844, 0.242, 0.242, 0.089, 1.0844, 2.9478,
59 #0.089, 1.0844, 0.242, 0.3989, 2.9478, 1.7879, 0.089, 0.242, 13.2112, 0.242, 0.089, 0.0327, 0.242, 0.3989, 0.089, 1.7879, 1.0844,
60 #0.6577, 0.3989, 1.7879, 0.054, 1.0844, 2.9478, 0.1468, 2.9478, 0.1468, 0.242, 2.9478, 0.242, 0.242, 0.242, 0.089, 0.089, 0.6577,
61 #0.3989, 0.089, 1.0844, 0.3989, 0.3989, 0.1468, 0.0327, 2.9478, 0.012, 0.6577, 0.6577, 8.013, 2.9478, 0.6577, 0.1468, 0.0327, 0.0044,
62 #1.7879, 4.8601, 0.3989]
9 我们少说了一点儿就是直方图和正态分布图。
(1) 直方图表现的是频数、正态分布图表现的是频率。
(2) μ(均值)的大小是影响正太曲线的左移和右移的关系；sigma2(方差)的大小是影响正太曲线的胖瘦。
python正态分布函数_数学之美_正态分布(Python代码)相关推荐
- Python 字符串常见的语句，和练习题，字符串练习题 Python 切片函数修饰符 #精度和进制Python 字符串一些语句练课件练习题
字符串练习题 Python 切片 函数修饰符 #精度和进制 Python 字符串一些语句练 课件练习题 4,.by 字符串的替换 方法 描述 replac ...
- python分段函数 保留两位小数_使用Python适合分段函数
我试图使用Numpy来匹配具有绝对值的分段函数. 数学函数是 x < p [1]:y = 1 + p [0] abs((size + x - p [1])/ size - size / 2) x ...
- 神奇的伽玛函数(上) | 数学之美
神奇的伽玛函数(上) - 火光摇曳 看一个NB GLM模型,死活看不懂里面的一个符号,后来发现是伽马函数,二项分布函数居然能写成伽马函数形式,看了上文才发现伽马函数是阶乘在实数域的推广,俺确实是感受 ...
- python get()函数_C++使用ffpython嵌入和扩展python（python2和python3）
C++使用ffpython嵌入和扩展python(python2和python3) 摘要: 在服务器编程中,经常会用到python脚本技术.Python是最流行的脚本之一,并且python拥有定义良好 ...
- python系统函数教程_Python入门基础教程之Python内置函数
函数就是以功能为导向,一个函数封装一个功能,那么Python将一些常用的功能(比如len)给我们封装成了一个一个的函数,供我们使用,他们不仅效率高(底层都是用C语言写的),而且是拿来即用,避免重复早轮 ...
- python转换函数使用_Python类型转换有哪些？Python类型转换函数介绍
Python类型转换有哪些?Python类型转换函数介绍.类型转换是一种方法,用于将在某种数据类型中声明的变量/值更改为另一种数据类型,以匹配代码段所需执行的操作.在python中,可以使用诸如int ...
- 用python中函数输出杨辉三角_用Python输出一个杨辉三角的例子
这篇文章主要介绍了用Python和erlang输出一个杨辉三角的例子,同时还提供了一个erlang版杨辉三角,需要的朋友可以参考下 关于杨辉三角是什么东西,右转维基百科:杨辉三角 稍微看一下直观一点的 ...
- 度量相似性数学建模_数学之美读书笔记
2020年6月读,先通读一遍,随后为写读书笔记又重新读了一遍,收获颇丰,虽然没有很多数学或者编程方面的知识,但正如作者所说,这本书讲述的是道,而非术. 读这本书让我领略到了科学的趣味,并不是枯燥的敲代 ...
- python def函数报错详解_【python】详解python函数定义 def（）与参数args、可变参数＊args、关键参数＊＊args使用实例...
Python内置了很多函数,可以直接调用.Python内置的函数可以通过官方文档查看.也可以通过help()查看帮助信息.函数名是指向函数对象的引用,把函数名赋给变量,相当于给函数起了别名. 1. 定 ...
最新文章
- Science公布：全世界最前沿的125个科学问题
- LAMP架构之编译安装httpd+(php-fpm)+mariadb
- stm32采集正弦波峰峰值_科研项目 | 基于STM32的永磁同步电机SVPWM控制设计
- ORM仇恨者无法理解
- python决策树sklearn_python利用sklearn包编写决策树源代码
- C#中out和ref之间的区别【转】
- 父类与子类间的隐藏与重写
- 阿里云技术白皮书_2019年云计算发展白皮书发布 阿里云保持优势成亚太最大云服务商...
- [21] Mesh法线的生成算法
- windows_2008_server无法安装vcredist_x64
- 基于多源传感器融合的导航定位综述方法分析
- 51单片机系列--蜂鸣器
- waves服务器系统盘,waves服务器：Waves现场声音解决方案
- Python-Scrapy 获取历史双色球开奖号码
- 个人企业征信体系介绍
- 学术写作 系列1 HOW TO WRITE AN INTRODUCTION
- [经典论文分享] Decision Transformer: Reinforcement Learning via Sequence Modeling
- 回首过去展望未来——14年年终总结
- python的自省到底有什么用
- docker搭建mysql主从复制