python生成正態分布
1. 如何將已知數據用python寫成正態分布並且畫圖
importnumpyasnp
importmatplotlib.pyplotasplt
y=[2,5,7,10,16,23,20,16,9,6,6,3,1,1]
x=[59,60,61,62,63,64,65,66,67,68,69,70,71,72]
fig,ax=plt.subplots()
ax.bar(x,y,0.3,alpha=0.5,color='b',label='abc')
plt.axis([55,75,0,25])
ax.set_xlabel('XXX')
ax.set_ylabel('YYY')
ax.set_title('ABC')
ax.legend()
fig.tight_layout()
plt.show()
2. 如何用python使變數服從正太分布
正太分布哈哈
首先，如果想要你的一千萬個數據嚴格服從正態分布，那麼先確定這個分布的數據，也就是均值和方差，N(u,o)，這里均值 u=50，方差 o 由你確定，根據正態分布概率密度函數，對於每一個 1~100 之間的整數 x，都可以確定它出現的概率 f(x)：
正態分布概率密度函數
而共有 10 000 000 個數字，那麼 10000000*f(x) 就是 x 出現的頻率。
因此，使用一個 101 元素的數組 freq[] 存放這些數出現的頻率，用 f(x)*10000000 逐個計算數組元素，也就是 x 應該出現的次數，假如說 2 一共會出現 3 次，那麼 freq[2]=3，計算出之後放在那裡，作為一個參照。再初始化一個全為 0 的 100 個元素的數組 sam[]，記錄每個數字已經出現的次數。之後開始從 1~100 隨機，每隨機一個數字 x 都給 sam[x] 加1，再和 freq[x] 比較，如果超出了 freq[x] 就說明這個數字已經不能再出現了，將其舍棄。記錄隨機成功的次數，達到了 10000000 次即可。
3. 如何在Python中計算累積正態分布
Python正態分布概率計算方法，喜歡演算法的夥伴們可以參考學習下。需要用到math模塊。先了解一下這個模塊方法，再來寫代碼會更好上手。
def st_norm(u):
'''標准正態分布'''
import math
x=abs(u)/math.sqrt(2)
T=(0.0705230784,0.0422820123,0.0092705272,
0.0001520143,0.0002765672,0.0000430638)
E=1-pow((1+sum([a*pow(x,(i+1))
for i,a in enumerate(T)])),-16)
p=0.5-0.5*E if u<0 else 0.5+0.5*E
return(p)
def norm(a,sigma,x):
'''一般正態分布'''
u=(x-a)/sigma
return(st_norm(u))
while 1:
'''輸入一個數時默認為標准正態分布
輸入三個數(空格隔開)時分別為期望、方差、x
輸入 stop 停止'''
S=input('please input the parameters:\n')
if S=='stop':break
try:
L=[float(s) for s in S.split()]
except:
print('Input error!')
continue
if len(L)==1:
print('f(x)=%.5f'%st_norm(L[0]))
elif len(L)==3:
print('f(x)=%.5f'%norm(L[0],L[1],L[2]))
else:
print('Input error!')
4. 如何用python語言，產生某一區間內的正態分布的100個隨機數
import matplotlib.pyplot as plt
import scipy.stats as stats
lower, upper = 3.5, 6
mu, sigma = 5, 0.7
X = stats.truncnorm(
(lower - mu) / sigma, (upper - mu) / sigma, loc=mu, scale=sigma)
N = stats.norm(loc=mu, scale=sigma)
fig, ax = plt.subplots(2, sharex=True)
ax[0].hist(X.rvs(10000), normed=True)
ax[1].hist(N.rvs(10000), normed=True)
plt.show()
5. python 怎麼求標准正態分布某個值
示例：
1、from numpy import *;
2、def rand_Matrix():
3、randArr=random.randn(2,3);
4、randMat=mat(randArr);
5、return randMat;
一種結果如下:
1、matrix([[ 0.3150869 , -0.02041996, -0.15361071],
2、[-0.75507988, 0.80393683, -0.31790917]])
(5)python生成正態分布擴展閱讀
Python正態分布概率計算方法：
def st_norm(u):
'''標准正態分布'''
import math
x=abs(u)/math.sqrt(2)
T=(0.0705230784,0.0422820123,0.0092705272,
0.0001520143,0.0002765672,0.0000430638)
E=1-pow((1+sum([a*pow(x,(i+1))
for i,a in enumerate(T)])),-16)
p=0.5-0.5*E if u<0 else 0.5+0.5*E
return(p)
def norm(a,sigma,x):
'''一般正態分布'''
u=(x-a)/sigma
return(st_norm(u))
while 1:
'''輸入一個數時默認為標准正態分布
輸入三個數(空格隔開)時分別為期望、方差、x
輸入 stop 停止'''
S=input('please input the parameters: ')
if S=='stop':break
try:
L=[float(s) for s in S.split()]
except:
print('Input error!')
continue
if len(L)==1:
print('f(x)=%.5f'%st_norm(L[0]))
elif len(L)==3:
print('f(x)=%.5f'%norm(L[0],L[1],L[2]))
else:
print('Input error!')
6. 如何用python numpy產生一個正態分布隨機數的向量或者矩陣
importnumpyasnp
x=np.random.randn(4,5)#生成一個4*5的服從正態分布(0,1)的數組
print(x)
結果:
array([[1.49880806,0.49802583,-0.73570234,0.6838595,-1.07146133],
[-0.80834618,0.28833047,0.6492072,-1.23454671,-0.42839883],
[0.75936243,-0.67680322,1.06767814,-0.11232622,-0.62300974],
[-1.66010364,-0.60023795,0.35930247,-0.5079359,0.21811627]])
7. python求正態分布的隨機數
比如要生成符合f（）分布的隨機數，f的反函數是g，那麼先生成定義域內的均勻分布的隨機數，在帶入g（x）計算就好。
對於你這個問題，python有自帶的方法。
#!/usr/bin/python2.7
import random
random.normalvariate(帶三個參數，你試試)