python生成正态分布
1. 如何将已知数据用python写成正态分布并且画图
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使变量服从正太分布
正太分布哈哈
首先，如果想要你的一千万个数据严格服从正态分布，那么先确定这个分布的数据，也就是均值和方差，N(u,o)，这里均值 u=50，方差 o 由你确定，根据正态分布概率密度函数，对于每一个 1~100 之间的整数 x，都可以确定它出现的概率 f(x)：
正态分布概率密度函数
而共有 10 000 000 个数字，那么 10000000*f(x) 就是 x 出现的频率。
因此，使用一个 101 元素的数组 freq[] 存放这些数出现的频率，用 f(x)*10000000 逐个计算数组元素，也就是 x 应该出现的次数，假如说 2 一共会出现 3 次，那么 freq[2]=3，计算出之后放在那里，作为一个参照。再初始化一个全为 0 的 100 个元素的数组 sam[]，记录每个数字已经出现的次数。之后开始从 1~100 随机，每随机一个数字 x 都给 sam[x] 加1，再和 freq[x] 比较，如果超出了 freq[x] 就说明这个数字已经不能再出现了，将其舍弃。记录随机成功的次数，达到了 10000000 次即可。
3. 如何在Python中计算累积正态分布
Python正态分布概率计算方法，喜欢算法的伙伴们可以参考学习下。需要用到math模块。先了解一下这个模块方法，再来写代码会更好上手。
def st_norm(u):
'''标准正态分布'''
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):
'''一般正态分布'''
u=(x-a)/sigma
return(st_norm(u))
while 1:
'''输入一个数时默认为标准正态分布
输入三个数(空格隔开)时分别为期望、方差、x
输入 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语言，产生某一区间内的正态分布的100个随机数
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 怎么求标准正态分布某个值
示例：
1、from numpy import *;
2、def rand_Matrix():
3、randArr=random.randn(2,3);
4、randMat=mat(randArr);
5、return randMat;
一种结果如下:
1、matrix([[ 0.3150869 , -0.02041996, -0.15361071],
2、[-0.75507988, 0.80393683, -0.31790917]])
(5)python生成正态分布扩展阅读
Python正态分布概率计算方法：
def st_norm(u):
'''标准正态分布'''
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):
'''一般正态分布'''
u=(x-a)/sigma
return(st_norm(u))
while 1:
'''输入一个数时默认为标准正态分布
输入三个数(空格隔开)时分别为期望、方差、x
输入 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产生一个正态分布随机数的向量或者矩阵
importnumpyasnp
x=np.random.randn(4,5)#生成一个4*5的服从正态分布(0,1)的数组
print(x)
结果:
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求正态分布的随机数
比如要生成符合f（）分布的随机数，f的反函数是g，那么先生成定义域内的均匀分布的随机数，在带入g（x）计算就好。
对于你这个问题，python有自带的方法。
#!/usr/bin/python2.7
import random
random.normalvariate(带三个参数，你试试)