âm mưu pylab python phân phối chuẩn bình thường

Question

Cho một giá trị trung bình và phương sai là có một cuộc gọi hàm pylab đơn giản sẽ vẽ một bản phân phối chuẩn?

Hoặc tôi có cần tự tạo một bản thân không?

Answer 1

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

mu = 0 
variance = 1 
sigma = math.sqrt(variance) 
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100) 
plt.plot(x,mlab.normpdf(x, mu, sigma)) 
plt.show() 

Answer 2

Tôi không nghĩ rằng có một chức năng nào tất cả những gì trong một cuộc gọi duy nhất. Tuy nhiên, bạn có thể tìm thấy hàm mật độ xác suất Gaussian trong scipy.stats.

Vì vậy, cách đơn giản nhất tôi có thể đưa ra là:

import numpy as np 
import matplotlib.pyplot as plt 
from scipy.stats import norm 

# Plot between -10 and 10 with .001 steps. 
x_axis = np.arange(-10, 10, 0.001) 
# Mean = 0, SD = 2. 
plt.plot(x_axis, norm.pdf(x_axis,0,2)) 

Nguồn:

• http://www.johndcook.com/distributions_scipy.html
• http://docs.scipy.org/doc/scipy/reference/stats.html
• http://telliott99.blogspot.com/2010/02/plotting-normal-distribution-with.html

Answer 3

Unutbu câu trả lời là chính xác. Nhưng becouse trung bình của chúng tôi có thể nhiều hơn hoặc ít hơn không tôi vẫn muốn thay đổi điều này:

x = np.linspace(-3 * sigma, 3 * sigma, 100) 

này:

x = np.linspace(-3 * sigma + mean, 3 * sigma + mean, 100) 

Answer 4

Nếu bạn thích sử dụng một từng bước tiếp cận bạn có thể xem xét một giải pháp như sau

import numpy as np 
import matplotlib.pyplot as plt 

mean = 0; std = 1; variance = np.square(std) 
x = np.arange(-5,5,.01) 
f = np.exp(-np.square(x-mean)/2*variance)/(np.sqrt(2*np.pi*variance)) 

plt.plot(x,f) 
plt.ylabel('gaussian distribution') 
plt.show()