python-正态分布查表应用(scipy.stats.norm)

1、公式:

正态分布概率密度公式:

f(x)=\frac{1}{\sqrt{2\pi }\sigma }e^{-\frac{(x-\mu )^{2}}{2\sigma ^{2}}}

可通过\frac{X-\mu }{\sigma }转换为标准正态分布

f(x)=\frac{1}{\sqrt{2\pi } }e^{-\frac{x ^{2}}{2}}

 

2、概率密度:

标准正态分布在某个点的概率密度可用scipy.stats.norm.pdf计算,下面模拟计算-5~5的概率密度

from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False#用来正常显示负号
#正态分布概率密度
X = []
Y = []
for a in np.linspace(-5, 5, 100):
    y = stats.norm.pdf(a)
    X.append(a)
    Y.append(y)
plt.plot(X, Y)
plt.xlabel("x")
plt.ylabel("p")
plt.title("正态分布概率密度")
plt.show()

结果:

这个图怎么理解呢?这是连续型随机变量的概率密度,并不是说在某个点的概率就是在这个点发生的概率。这里可以理解为在0附近发生的可能性要大于在2附近发生的可能性。

3、累积概率密度(概率分布)

from scipy import stats
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei']#用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False#用来正常显示负号
#正态分布概率密度
X = []
Y = []
for a in np.linspace(-5, 5, 100):
    y = stats.norm.cdf(a)
    X.append(a)
    Y.append(y)
plt.plot(X, Y)
plt.xlabel("x")
plt.ylabel("p")
plt.title("正态分布累积概率分布")
plt.show()

结果

累计概率分布这个图比较好理解,例如在-2处的值就表示随机变量小于-2的概率。

3、查表

正态分布查表其实就是查累积概率分布。

设某校学生身高服从均值为160, 方差为3600的正态分布,那该校学生身高在180以下的学生比例是多少?

转换为标准正态分布,\frac{X-160}{60 }服从标准正态分布,\frac{180-160}{60 }=0.5,于是我们查标准正态分布表0.5的值,用

scipy.stats.norm.cdf(0.5)

from scipy import stats

p = stats.norm.cdf(0.5)
print(p)

结果:0.6914624612740131

即有69.1%的学生身高在180以下。

 

4、随机生成一组正态分布样本

import numpy as np
#生成15个均值为10,标准差为2的正态分布样本
r = np.random.normal(loc=10, scale=2, size=15)
print(r)

如果想2次生成的一样,可以设置seed

import numpy as np
#设置随机数种子seed
np.random.seed(456789)
#生成15个均值为10,标准差为2的正态分布样本
r = np.random.normal(loc=10, scale=2, size=15)
print(r)

 

 

author:蓝何忠

email:lanhezhong@163.com

  • 14
    点赞
  • 50
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值