统计学知识整理—正态分布

正态分布

1.什么是正态分布?

正态分布: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。
记作X~N(μ,σ^2) ，读作X服从N(μ,σ^2)

当μ = 0,σ = 1时的正态分布是标准正态分布。

正态分布特点:越胖代表离中趋势越明显，越高代表集中趋势越明显
哪些实际情况服从正态分布如考试成绩分布、运动员生涯成绩、泊松过程

如何创建正态分布图

s = pd.DataFrame(np.random.randn(10000)+100,columns = ['value'])
# 创建随机数据
fig = plt.figure(figsize = (100,60))
ax1 = fig.add_subplot(2,1,1)  # 子图1
ax1.scatter(s.index, s.values,color='blue')
plt.grid()
# 绘制数据分布图

ax2 = fig.add_subplot(2,1,2)  # 子图2
s.plot(kind = 'kde', secondary_y=True,ax = ax2,color='red')
plt.grid()
# 绘制直方图
# 呈现较明显的正太性

效果:

2.正态分布有什么特点?

集中性:正态曲线的高峰位于正中央
对称性:正态分布曲线以均数为中心，左右对称，曲线两端永远不与横轴相交
均匀变动性:正态曲线由均数所在处开始，分别向左右两端均匀下降，曲线与横轴面积等于1

3.如何利用正态分布解决实际问题?

1.如何判断一组数据是否服从正态分布的方法:正态性检验

• 直方图
  通过画直方图的方法来对数据分布进行初判

  s.hist(bins=30,alpha = 0.5,ax = ax2)#添加直方图模块
  
  效果从图中可以看出直方图形状与曲线变化规律相同

• KS检验

  将所得数据与对应正态分布表相互对比如果结果p值大于0.05则满足正态分布
  python中导入scipy包# 直接用算法做KS检验

  from scipy import stats
   df = pd.DataFrame(np.random.randn(10000)+100, columns =['value'])
   u = df['value'].mean()  # 计算均值
   std = df['value'].std()  # 计算标准差
   stats.kstest(df['value'], 'norm', (u, std))
   # 结果返回两个值：statistic—D值，pvalue—P值
   # p值大于0.05，为正态分布
  

结果:KstestResult(statistic=0.15901807048240979, pvalue=0.30662972583580261)，满足正态分布。

2.利用正态性检验判断数据是否满足正态分布

随便编一组数据[1,2,1,3,5,1,1,34,1,24,1,12,4,5,35,753,4,34,5,73,32,5,23,5,23,4,2,52,25,2,5,6,2,52,25,2,52,52,2,1,2,34,2,4,23,4,23,4,2,34,2,34,63,6,75,8,6,9,9,8,5,67,3,25,2,2]
结果如下:

# 直方图初判
grade=[2,1,3,5,1,1,34,1,24,1,12,4,5,35,753,4,34,5,73,32,5,23,5,23,4,2,52,25,2,5,6,2,52,25,2,52,52,2,1,2,34,2,4,23,4,23,4,2,34,2,34,63,6,75,11,6,9,9,8,5,67,3,25,2,2]
s = pd.DataFrame(grade,columns = ['value'])
# 创建随机数据
fig = plt.figure(figsize = (100,60))
ax1 = fig.add_subplot(2,1,1)  # 子图1
ax1.scatter(s.index, s.values,color='blue')
plt.grid()
# 绘制数据分布图

ax2 = fig.add_subplot(2,1,2)  # 子图2
s.hist(bins=30,alpha = 0.5,ax = ax2)
s.plot(kind = 'kde', secondary_y=True,ax = ax2,color='red')
plt.grid()
# 绘制直方图
# 呈现较明显的正太性
# 直接用算法做KS检验

from scipy import stats
grade=[2,1,3,5,1,1,34,1,24,1,12,4,5,35,753,4,34,5,73,32,5,23,5,23,4,2,52,25,2,5,6,2,52,25,2,52,52,2,1,2,34,2,4,23,4,23,4,2,34,2,34,63,6,75,11,6,9,9,8,5,67,3,25,2,2]
df = pd.DataFrame(grade, columns =['value'])
u = df['value'].mean()  # 计算均值
std = df['value'].std()  # 计算标准差
stats.kstest(df['value'], 'norm', (u, std))
# .kstest方法：KS检验，参数分别是：待检验的数据，检验方法（这里设置成norm正态分布），均值与标准差
# 结果返回两个值：statistic → D值，pvalue → P值
# p值大于0.05，为正态分布

KstestResult(statistic=0.3857928635185164, pvalue=3.236212187118781e-09)
显然不满足正态分布

用一组班级学生的分数如下

[77,67,82,58,70,68,74,67,71,70,70,67,82,76,66,70,71,65,67,62,71,62,74,76,70,58,67,77,66,67,68,82,65,70,68]判断是否满足正态分布。
	# 直方图初判
    grade=[77,67,82,58,70,68,74,67,71,70,70,67,82,76,66,70,71,65,67,62,71,62,74,76,70,58,67,77,66,67,68,82,65,70,68]
    s = pd.DataFrame(grade,columns = ['value'])
    # 创建随机数据
    fig = plt.figure(figsize = (100,60))
    ax1 = fig.add_subplot(2,1,1)  # 子图1
    ax1.scatter(s.index, s.values,color='blue')
    plt.grid()
    # 绘制数据分布图

ax2 = fig.add_subplot(2,1,2)  # 子图2
s.hist(bins=30,alpha = 0.5,ax = ax2)
s.plot(kind = 'kde', secondary_y=True,ax = ax2,color='red')
plt.grid()
# 绘制直方图
# 呈现较明显的正太性
from scipy import stats
grade=[77,67,82,58,70,68,74,67,71,70,70,67,82,76,66,70,71,65,67,62,71,62,74,76,70,58,67,77,66,67,68,82,65,70,68]
df = pd.DataFrame(grade, columns =['value'])
u = df['value'].mean()  # 计算均值
std = df['value'].std()  # 计算标准差
stats.kstest(df['value'], 'norm', (u, std))
![在这里插入图片描述](https://img-blog.csdnimg.cn/20190126231044279.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0R1bHBlZQ==,size_16,color_FFFFFF,t_70)

结果:KstestResult(statistic=0.1590180704824098, pvalue=0.3066297258358026)满足正态分布