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()

总结

以上就是本文关于Python数据可视化正态分布简单分析及实现代码的全部内容,希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他Python和算法相关专题,如有不足之处,欢迎留言指出。感谢朋友们对本站的支持!

本文标题: Python数据可视化正态分布简单分析及实现代码

本文地址: http://www.cppcns.com/jiaoben/python/213109.html

python做数据可视化的代码_Python数据可视化正态分布简单分析及实现代码相关推荐

  1. 二维正态分布图python代码_Python数据可视化正态分布简单分析及实现代码

    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(Gaussiandi ...

  2. python做什么最赚钱农村_Python数据可视化:啥是佩奇

    她爹也是猪!她娘也是猪! 儿子还是猪!一窝猪! 或许这就是最好的回答. 原本只是一部电影方与移动合作的宣传短片. 却因里面打动人心的故事,大火了一把. 就如我之前的一篇文章里所提的. 不是年味越来越少 ...

  3. python把数据变为正态分布_Python数据可视化正态分布简单分析及实现代码

    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(Gaussiandi ...

  4. python可视化编程实战代码_Python数据可视化编程实战——导入数据

    1.从csv文件导入数据 原理:with语句打开文件并绑定到对象f.不必担心在操作完资源后去关闭数据文件,with的上下文管理器会帮助处理.然后,csv.reader()方法返回reader对象,通过 ...

  5. python数据可视化的特点_Python数据可视化, 看这一篇就够了

    开个玩笑了,其实可视化想做深入,只看这一篇,必然是不够的了~ 入个门估计差不多可以的. 为什么写这一篇呢?算是继续上一篇最嗨的歌最快的车:Data Fountain光伏发电量预测 Top1 开源分享​ ...

  6. python作中国地图背景气泡图_Python数据可视化:香港地图、房价可视化,绘制气泡图...

    本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,如有问题请及时联系我们以作处理. 以下文章来源于DataCharm ,作者宁海涛 前言 今天的推文教程使用geopandas进行空间 ...

  7. python数据可视化是什么_Python数据可视化的四种简易方法

    数据可视化是任何数据科学或机器学习项目的一个重要组成部分.人们常常会从探索数据分析(EDA)开始,来深入了解数据,并且创建可视化确实有助于让问题更清晰和更容易理解,尤其是对于那些较大的高维度数据集.在 ...

  8. python panda 库箱线图_Python数据可视化:箱线图多种库画法

    概念 箱线图通过数据的四分位数来展示数据的分布情况.例如:数据的中心位置,数据间的离散程度,是否有异常值等. 把数据从小到大进行排列并等分成四份,第一分位数(Q1),第二分位数(Q2)和第三分位数(Q ...

  9. python制作股票图表怎么看_Python 数据可视化实战:使用 PyQt5 和 Echarts 打造股票数据看板...

    在一篇论文中,最吸引审稿人目光的莫过于枯燥的文字间精美的图表 在一份项目路演 ppt 中,酷炫的财务报表往往是打动投资人的最后一剂强心剂 作为数据分析最后也是最直接的一环,数据可视化的重要性不言而喻 ...

最新文章

  1. 高金吉院士:让机器“自愈化”引领新科技变革
  2. jQuery针对多个元素的相同点击事件
  3. 如何写出正确的二分查找?——利用循环不变式理解二分查找及其变体的正确性以及构造方式...
  4. 1093芯片做正弦波逆变器_正弦波逆变器中的SPWM调制(钟任生)
  5. sublime中编译的sass如何改变css输出风格?【这里有答案】
  6. Solaris10文件布局
  7. ASP.NET 自定义DataTable数据
  8. 基于jQuery动画二级下拉导航菜单
  9. 常用的三种非对称加密算法
  10. Python小白的数学建模课-20.网络流优化案例
  11. @Modifying 注解
  12. A股动量策略有效性验证
  13. 世界第 3 的滴滴裁员,求职季必知的独角兽公司排行榜
  14. java 最小公倍数_Java求最大公约数和最小公倍数
  15. STM32F030读取TMP275温度传感器,模拟iic。
  16. python 制作二维码
  17. 一款高颜值开源知识管理工具
  18. 16日,7月,2012 - 昨天晚睡 | 整理电脑 | 没有进度
  19. GEE 形态学运算Morphological Operations
  20. #1531:德国心脏病

热门文章

  1. 跨站点脚本(XSS)
  2. Android小测验感受
  3. 方法javaJVM学习笔记-内存处理
  4. DIV或者DIV里面的图片水平与垂直居中的方法 - 站住,别跑 - 博客园
  5. 分布式模式之Broker模式
  6. springboot---成员初始化顺序
  7. docker --- 将已有的项目发布到云端
  8. 响应式网页布局 - W3Schools How-Tos 01
  9. Intellij IDEA 快捷键整理(dyCopy)
  10. Advanced Installer 9.8打包实录