Как построить график нормального распределения в Python

Чтобы построить график нормального распределения в Python, можно использовать библиотеку matplotlib. Вот пример кода:

    import numpy as np
    import matplotlib.pyplot as plt
    
    mu = 0  # среднее значение
    sigma = 1  # стандартное отклонение
    
    x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100)  # создание массива значений x
    
    y = (1/(np.sqrt(2*np.pi)*sigma)) * np.exp(-0.5*((x-mu)/sigma)**2)  # вычисление значений y
    
    plt.plot(x, y)  # построение графика
    plt.xlabel('x')  # подпись оси x
    plt.ylabel('Нормальное распределение')  # подпись оси y
    plt.title('График нормального распределения')  # заголовок графика
    plt.show()  # отображение графика
    

Этот код использует numpy для создания массива значений x, а затем вычисляет соответствующие значения y для нормального распределения с заданным средним значением (mu) и стандартным отклонением (sigma).

При запуске кода вы увидите график нормального распределения с осью x, осью y и заголовком, указанными в коде. Используя подобные кодовые примеры, вы сможете строить графики нормального распределения в Python.

Как построить график нормального распределения в питоне

В статистике существует много разных типов распределений, и одним из наиболее распространенных является нормальное распределение. Нормальное распределение также известно как распределение Гаусса и широко применяется в различных областях, включая науку, инженерию и финансы. Разработчики часто нуждаются в визуализации данных, и для этого можно построить график нормального распределения. В этой статье мы рассмотрим, как построить график нормального распределения в питоне с использованием библиотеки matplotlib.

1. Установка библиотеки matplotlib

Перед тем как начать, убедитесь, что у вас установлена библиотека matplotlib. Если она не установлена, вы можете воспользоваться следующей командой, чтобы установить ее:

        pip install matplotlib
    

2. Импорт необходимых библиотек

Перед тем как начать рисовать график, необходимо импортировать несколько библиотек в питоне. Для построения графика нормального распределения нам понадобятся библиотеки numpy и matplotlib. Мы можем импортировать их следующим образом:

        import numpy as np
        import matplotlib.pyplot as plt
    

3. Создание данных для графика

Для построения графика нормального распределения нам нужно сначала создать данные, которые будут соответствовать нормальному распределению. Библиотека numpy предоставляет функцию numpy.random.normal() для генерации случайных чисел с нормальным распределением.

Пример создания данных:

        mu = 0  # Среднее значение
        sigma = 1  # Стандартное отклонение
        data = np.random.normal(mu, sigma, 1000)  # Генерация 1000 случайных чисел
    

4. Построение графика

После создания данных мы можем приступить к построению графика нормального распределения с использованием библиотеки matplotlib.

Пример построения графика:

        count, bins, ignored = plt.hist(data, 30, density=True)  # Построение гистограммы
        plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * 
                 np.exp( - (bins - mu)**2 / (2 * sigma**2) ), 
                 linewidth=2, color='r')  # Построение графика нормального распределения
        plt.show()  # Отображение графика
    

5. Настраиваем график

Вы также можете настроить свой график нормального распределения, добавив заголовок, метки осей и другие параметры. Добавим метки осей и заголовок графика:

        plt.xlabel('Значение')
        plt.ylabel('Плотность')
        plt.title('График нормального распределения')
    

6. Итоговый код

Вот полный код для построения графика нормального распределения:

        import numpy as np
        import matplotlib.pyplot as plt
        
        mu = 0  # Среднее значение
        sigma = 1  # Стандартное отклонение
        data = np.random.normal(mu, sigma, 1000)  # Генерация 1000 случайных чисел
        
        count, bins, ignored = plt.hist(data, 30, density=True)  # Построение гистограммы
        plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) * 
                 np.exp( - (bins - mu)**2 / (2 * sigma**2) ), 
                 linewidth=2, color='r')  # Построение графика нормального распределения
        
        plt.xlabel('Значение')
        plt.ylabel('Плотность')
        plt.title('График нормального распределения')
        
        plt.show()  # Отображение графика
    

Заключение

В этой статье мы рассмотрели, как построить график нормального распределения в питоне с использованием библиотеки matplotlib. Мы начали с установки необходимых библиотек, затем создали случайные данные, соответствующие нормальному распределению, и наконец построили график с помощью функций matplotlib.

Построение графиков является полезным инструментом при анализе данных и визуализации результатов исследований. Графики нормального распределения помогают наглядно представить данные и сделать выводы о характеристиках распределения. Использование библиотеки matplotlib делает построение графиков в питоне легким и удобным.