phân phối chuẩn của âm mưu python

Với một giá trị trung bình và một phương sai, có một lệnh gọi hàm đơn giản sẽ vẽ biểu đồ phân phối chuẩn không?

import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as stats
import math

mu = 0
variance = 1
sigma = math.sqrt(variance)
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100)
plt.plot(x, stats.norm.pdf(x, mu, sigma))
plt.show()

Tôi không nghĩ rằng có một chức năng thực hiện tất cả những điều đó trong một lần gọi. Tuy nhiên, bạn có thể tìm thấy hàm mật độ xác suất Gaussian trongscipy.stats .

Vì vậy, cách đơn giản nhất mà tôi có thể nghĩ ra là:

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm

# Plot between -10 and 10 with .001 steps.
x_axis = np.arange(-10, 10, 0.001)
# Mean = 0, SD = 2.
plt.plot(x_axis, norm.pdf(x_axis,0,2))
plt.show()

Nguồn:

• http://www.johndcook.com/distributions_scipy.html
• http://docs.scipy.org/doc/scipy/reference/stats.html
• http://telliott99.blogspot.com/2010/02/plotting-normal-distribution-with.html

Sử dụng seaborn thay vì tôi đang sử dụng distplot của seaborn với giá trị trung bình = 5 std = 3/1000

value = np.random.normal(loc=5,scale=3,size=1000)
sns.distplot(value)

Bạn sẽ nhận được một đường cong phân phối chuẩn

Câu trả lời của Unutbu là đúng. Nhưng vì giá trị trung bình của chúng tôi có thể lớn hơn hoặc nhỏ hơn 0, tôi vẫn muốn thay đổi điều này:

x = np.linspace(-3 * sigma, 3 * sigma, 100)

đến điều này:

x = np.linspace(-3 * sigma + mean, 3 * sigma + mean, 100)

Nếu bạn thích sử dụng phương pháp tiếp cận từng bước, bạn có thể xem xét một giải pháp như sau

import numpy as np
import matplotlib.pyplot as plt

mean = 0; std = 1; variance = np.square(std)
x = np.arange(-5,5,.01)
f = np.exp(-np.square(x-mean)/2*variance)/(np.sqrt(2*np.pi*variance))

plt.plot(x,f)
plt.ylabel('gaussian distribution')
plt.show()

Tôi vừa quay lại điều này và tôi đã phải cài đặt scipy vì matplotlib.mlab đã đưa cho tôi thông báo lỗi MatplotlibDeprecationWarning: scipy.stats.norm.pdfkhi thử ví dụ ở trên. Vì vậy, mẫu bây giờ là:

%matplotlib inline
import math
import matplotlib.pyplot as plt
import numpy as np
import scipy.stats


mu = 0
variance = 1
sigma = math.sqrt(variance)
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100)
plt.plot(x, scipy.stats.norm.pdf(x, mu, sigma))

plt.show()

Tôi tin rằng điều quan trọng là đặt chiều cao, vì vậy đã tạo hàm này:

def my_gauss(x, sigma=1, h=1, mid=0):
    from math import exp, pow
    variance = pow(sdev, 2)
    return h * exp(-pow(x-mid, 2)/(2*variance))

Đâu sigmalà độ lệch chuẩn, hlà chiều cao và midlà giá trị trung bình.

Đây là kết quả sử dụng các độ cao và độ lệch khác nhau:

bạn có thể lấy cdf dễ dàng. so pdf qua cdf

    import numpy as np
    import matplotlib.pyplot as plt
    import scipy.interpolate
    import scipy.stats

    def setGridLine(ax):
        #http://jonathansoma.com/lede/data-studio/matplotlib/adding-grid-lines-to-a-matplotlib-chart/
        ax.set_axisbelow(True)
        ax.minorticks_on()
        ax.grid(which='major', linestyle='-', linewidth=0.5, color='grey')
        ax.grid(which='minor', linestyle=':', linewidth=0.5, color='#a6a6a6')
        ax.tick_params(which='both', # Options for both major and minor ticks
                        top=False, # turn off top ticks
                        left=False, # turn off left ticks
                        right=False,  # turn off right ticks
                        bottom=False) # turn off bottom ticks

    data1 = np.random.normal(0,1,1000000)
    x=np.sort(data1)
    y=np.arange(x.shape[0])/(x.shape[0]+1)

    f2 = scipy.interpolate.interp1d(x, y,kind='linear')
    x2 = np.linspace(x[0],x[-1],1001)
    y2 = f2(x2)

    y2b = np.diff(y2)/np.diff(x2)
    x2b=(x2[1:]+x2[:-1])/2.

    f3 = scipy.interpolate.interp1d(x, y,kind='cubic')
    x3 = np.linspace(x[0],x[-1],1001)
    y3 = f3(x3)

    y3b = np.diff(y3)/np.diff(x3)
    x3b=(x3[1:]+x3[:-1])/2.

    bins=np.arange(-4,4,0.1)
    bins_centers=0.5*(bins[1:]+bins[:-1])
    cdf = scipy.stats.norm.cdf(bins_centers)
    pdf = scipy.stats.norm.pdf(bins_centers)

    plt.rcParams["font.size"] = 18
    fig, ax = plt.subplots(3,1,figsize=(10,16))
    ax[0].set_title("cdf")
    ax[0].plot(x,y,label="data")
    ax[0].plot(x2,y2,label="linear")
    ax[0].plot(x3,y3,label="cubic")
    ax[0].plot(bins_centers,cdf,label="ans")

    ax[1].set_title("pdf:linear")
    ax[1].plot(x2b,y2b,label="linear")
    ax[1].plot(bins_centers,pdf,label="ans")

    ax[2].set_title("pdf:cubic")
    ax[2].plot(x3b,y3b,label="cubic")
    ax[2].plot(bins_centers,pdf,label="ans")

    for idx in range(3):
        ax[idx].legend()
        setGridLine(ax[idx])

    plt.show()
    plt.clf()
    plt.close()