正态分布之python

望为 、标准方差为 的高斯分布，记为：

则其概率密度函数为：

正态分布的期望值决定了其位置，其标准差决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是的正态分布：

概率密度函数

代码实现：

    # Python实现正态分布
    # 绘制正态分布概率密度函数
    u = 0   # 均值μ
    u01 = -2
    sig = math.sqrt(0.2)  # 标准差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()

还有一种是使用numpy.random库来实现
normal 正态分布 前两个参数是期望值和标准差
uniform 均匀分布 前两个参数是区间的起始值和终值
poisson 泊松分布 第一参数表示单位时候内随机事件的平均发生率

ps:
期望,意思就是这个事情的总的平均结果会是怎样
通俗的讲,就是平均值,也可以说是平均水平
算法是
概率*取值的总和,反映的是事情达成的总的预期水平值
这就是期待值

方差是标准差的平方 
　————————————————
　　方差和标准差.方差和标准差是测算离散趋势最重要、最常用的指标.方差是各变量值与其均值离差平方的平均数,它是测算数值型数据离散程度的最重要的方法.标准差为方差的平方根,用S表示.标准差相应的计算公式为
　　 标准差是方差开方后的结果(即方差的算术平方根) 假设这组数据的平均值是m 方差公式s^2=1/n[(x1-m)^2+(x2-m)^2+...+(xn-m)^2] 
假设方差是a.则标准差就是这个方差开方 
 　　标准差与方差不同的是,标准差和变量的计算单位相同,比方差清楚,因此很多时候我们分析的时候更多的使用的是标准差.