1.正态分布简介
正态分布(normal distribtution)又叫做高斯分布(Gaussian distribution),是一个非常重要也非常常见的连续概率分布。正态分布大家也都非常熟悉,下面做一些简单的介绍。
假设随机变量XX服从一个位置参数为μμ、尺度参数为σσ的正态分布,则可以记为:
而概率密度函数为
2.在python中画正态分布直方图
先直接上代码
import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt
def demo1():
mu ,sigma = 0, 1
sampleNo = 1000
np.random.seed(0)
s = np.random.normal(mu, sigma, sampleNo)
plt.hist(s, bins=100, normed=True)
plt.show()
上面是一个标准正态分布的直方图。最后输出的图像为:
很多同学心里会有疑惑:这个图像看上去虽然是有点奇怪,虽然形状有点像正态分布,但是差得还比较多嘛,不能算是严格意义上的正态分布。
为什么会有这种情况出现呢?其实原因很简单,代码中我们设定的smapleno = 1000。这个数量并不是很大,所以整个图像看起来分布并不是很规则,只是有大致的正态分布的趋势。如果我们将这个参数加大,相当于增加样本数量,那么整个图像就会更加接近正态分布的形状。跟抛硬币的原理一致,抛的次数越多,正面与反