参考资料
https://baike.baidu.com/item/%E6%AD%A3%E6%80%81%E5%88%86%E5%B8%83/829892?fr=aladdin
一维正态分布
若随机变量 X X X 服从一个位置参数为 μ \mu μ 、尺度参数为 σ \sigma σ 的概率分布,且其概率密度函数为
f ( x ) = 1 2 π σ e x p ( − ( x − μ ) 2 2 σ 2 ) f(x) ={1\over \sqrt {2\pi\sigma}} exp(-{(x-\mu)^2\over2\sigma^2}) f(x)=2πσ1exp(−2σ2(x−μ)2)
则这个随机变量就称为正态随机变量,正态随机变量服从的分布就称为正态分布,记作 X ∼ N ( μ , σ 2 ) X \sim N (\mu,\sigma^2) X∼N(μ,σ2) ,读作 X X X 服从 N ( μ , σ 2 ) N (\mu,\sigma^2) N(μ,σ2) ,或 X X X 服从正态分布。
标准正态分布
当
μ
=
0
,
σ
=
1
\mu=0,\sigma=1
μ=0,σ=1 时,正态分布就成为标准正态分布
Python 绘制正态分布的代码
import numpy as np
import matplotlib.pyplot as plt
import math
def normal_distribution(x, mu, sigma):
return np.exp( -1 * ( (x-mu) ** 2) / ( 2 * (sigma ** 2)) ) / (math.sqrt( 2 * np.pi ) * sigma)
mu, sigma = 0, 1
x = np.linspace( mu - 6 * sigma, mu + 6 * sigma, 100)
y = normal_distribution(x, mu, sigma)
plt.plot(x, y, 'r', label='mu = 0,sigma = 1')
plt.legend()
plt.grid()
plt.show()