快捷導(dǎo)航

Python數(shù)據(jù)可視化實現(xiàn)正態(tài)分布（高斯分布）

更新時間：2019年08月21日 11:24:41 作者：墨竹 | kevinelstri

這篇文章主要介紹了Python數(shù)據(jù)可視化實現(xiàn)正態(tài)分布（高斯分布），文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

正態(tài)分布（Normal distribution）又成為高斯分布（Gaussian distribution）

若隨機變量X服從一個數(shù)學(xué)期望為、標準方差為的高斯分布，記為：

則其概率密度函數(shù)為：

正態(tài)分布的期望值決定了其位置，其標準差決定了分布的幅度。因其曲線呈鐘形，因此人們又經(jīng)常稱之為鐘形曲線。我們通常所說的標準正態(tài)分布是的正態(tài)分布：

概率密度函數(shù)

代碼實現(xiàn)：

# Python實現(xiàn)正態(tài)分布
  # 繪制正態(tài)分布概率密度函數(shù)
  u = 0  # 均值μ
  u01 = -2
  sig = math.sqrt(0.2) # 標準差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()

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章:

相關(guān)文章

pycharm+django創(chuàng)建一個搜索網(wǎng)頁實例代碼
這篇文章主要介紹了pycharm+django創(chuàng)建一個搜索網(wǎng)頁實例代碼，分享了相關(guān)代碼示例，小編覺得還是挺不錯的，具有一定借鑒價值，需要的朋友可以參考下
2018-01-01
淺談Python數(shù)學(xué)建模之?dāng)?shù)據(jù)導(dǎo)入
數(shù)據(jù)導(dǎo)入是所有數(shù)模編程的第一步，比你想象的更重要。Python 語言中數(shù)據(jù)導(dǎo)入的方法很多。對于數(shù)學(xué)建模問題編程來說，選擇什么方法最好呢？答案是：沒有最好的，只有最合適的。對于不同的問題，不同的算法，以及所調(diào)用工具包的不同實現(xiàn)方法，對于數(shù)據(jù)就會有不同的要求
2021-06-06
如何使用Pytorch完成圖像分類任務(wù)詳解
如果你剛剛開始學(xué)習(xí) PyTorch,并想學(xué)習(xí)如何做一些基本的圖像分類,可以看看本文,這篇文章主要給大家介紹了關(guān)于如何使用Pytorch完成圖像分類任務(wù)的相關(guān)資料,需要的朋友可以參考下
2022-08-08
Python實現(xiàn)圖片拼接的代碼
本文通過實例代碼給大家介紹了python實現(xiàn)圖片拼接的方法，非常不錯，具有一定的參考借鑒借鑒價值，需要的朋友參考下吧
2018-07-07
python調(diào)用短信貓控件實現(xiàn)發(fā)短信功能實例
這篇文章主要介紹了python調(diào)用短信貓控件實現(xiàn)發(fā)短信功能實例,需要的朋友可以參考下
2014-07-07
Python如何讀取MySQL數(shù)據(jù)庫表數(shù)據(jù)
這篇文章主要為大家詳細介紹了Python如何讀取MySQL數(shù)據(jù)庫表數(shù)據(jù)，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2017-03-03
Python中的Numpy矩陣操作
這篇文章主要介紹了Python中的Numpy矩陣操作，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧
2018-08-08
使用Python畫了一棵圣誕樹的實例代碼
這篇文章主要介紹了使用Python畫了一棵圣誕樹的實例代碼,本文通過實例代碼給大家介紹的非常詳細，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值，需要的朋友可以參考下
2020-11-11
基于Python實現(xiàn)簽到腳本過程解析
這篇文章主要介紹了基于Python實現(xiàn)簽到腳本過程解析,文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友可以參考下
2019-10-10
Python實現(xiàn)雙X軸雙Y軸繪圖的示例詳解
這篇文章主要介紹了如何利用fig.add_subplot和axes.twinx().twiny()方法實現(xiàn)雙X軸雙Y軸繪圖，文中的示例代碼講解詳細，快跟隨小編一起動手嘗試一下吧
2022-04-04