使用Python实现正态分布、正态分布采样
正态分布是统计学中最常见的分布之一,也称为高斯分布。在Python中,我们可以使用numpy和scipy库来实现正态分布和正态分布采样。本攻略将介绍如何使用Python实现正态分布和正态分布采样,包括如何生成正态分布随机数、如何绘制正态分布概率密度函数图等。
生成正态分布随机数
在Python中,我们可以使用numpy库的random模块来生成正态分布随机数。以下是一个示例:
import numpy as np
mu, sigma = 0, 0.1 # 均值和标准差
s = np.random.normal(mu, sigma, 1000)
在这个示例中,我们使用np.random.normal()方法生成1000个均值为0,标准差为0.1的正态分布随机数,并将它们存储在s变量中。
绘制正态分布概率密度函数图
在Python中,我们可以使用matplotlib库来绘制正态分布概率密度函数图。以下是一个示例:
import numpy as np
import matplotlib.pyplot as plt
mu, sigma = 0, 0.1 # 均值和标准差
s = np.random.normal(mu, sigma, 1000)
count, bins, ignored = plt.hist(s, 30, density=True)
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
np.exp( - (bins - mu)**2 / (2 * sigma**2) ),
linewidth=2, color='r')
plt.show()
在这个示例中,我们首先使用np.random.normal()方法生成1000个均值为0,标准差为0.1的正态分布随机数,并将它们存储在s变量中。然后,我们使用plt.hist()方法绘制s的直方图,并使用density=True参数将直方图转换为概率密度函数。接下来,我们使用plt.plot()方法绘制正态分布概率密度函数,并使用linewidth和color参数设置线条宽度和颜色。最后,我们使用plt.show()方法显示图表。
生成正态分布采样
在Python中,我们可以使用scipy库的stats模块来生成正态分布采样。以下是一个示例:
from scipy.stats import norm
mu, sigma = 0, 0.1 # 均值和标准差
s = norm.rvs(mu, sigma, size=1000)
在这个示例中,我们使用norm.rvs()方法生成1000个均值为0,标准差为0.1的正态分布采样,并将它们存储在s变量中。
结论
以上是使用Python实现正态分布、正态分布采样的攻略。我们介绍了如何生成正态分布随机数、如何绘制正态分布概率密度函数图、如何生成正态分布采样,并提供了两个示例,以帮助您更好地理解如何使用Python实现正态分布和正态分布采样。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:使用Python实现正态分布、正态分布采样 - Python技术站