PYTHON НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ

Нормальное распределение является одним из самых распространенных в статистике. В Python для работы с нормальным распределением можно использовать модуль scipy.stats. Для генерации случайных значений из нормального распределения можно использовать функцию normal.

Пример кода:

import scipy.stats as stats
import matplotlib.pyplot as plt
import numpy as np
mu, sigma = 0, 0.1 # параметры нормального распределенияs = np.random.normal(mu, sigma, 1000) # генерация 1000 значений# построение гистограммыcount, bins, ignored = plt.hist(s, 30, density=True)plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *                np.exp( - (bins - mu)**2 / (2 * sigma**2) ),         linewidth=2, color='r')plt.show()

В данном примере мы генерируем 1000 случайных значений из нормального распределения с параметрами mu=0 и sigma=0.1. Затем строим гистограмму значений и нарисованное на ней график плотности вероятности нормального распределения.

Модуль scipy.stats содержит также другие функции для работы с нормальным распределением, например:

stats.norm.ppf(q, loc=0, scale=1) - вычисляет q-квантиль нормального распределения с параметрами loc и scale.
stats.norm.cdf(x, loc=0, scale=1) - вычисляет функцию распределения нормального распределения с параметрами loc и scale.
stats.norm.fit(data) - вычисляет параметры mu и sigma нормального распределения по выборке data.

Нормальное Распределение за 6 Минут

10-11 Критерий Колмогорова в python

Вероятности вероятностей: #1. Биномиальное распределение [3Blue1Brown]

3.2 Стандартное нормальное распределение

Мини-лекция А.М. Райгородского про нормальное распределение. Высшая математика

10-12 Критерий Пирсона в python

01-10 Эмпирическое распределение в python

10 признаков того, что вы новичок в Python

BLGPG-AC35B99E29DC-24-11-24-00

Новые материалы: