Hướng dẫn how do you create a normal distribution in python? - làm thế nào để bạn tạo một phân phối chuẩn trong python?

Bạn có thể nhanh chóng tạo ra một phân phối bình thường trong Python bằng cách sử dụng hàm Numpy.random.nqual (), sử dụng cú pháp sau:numpy.random.normal() function, which uses the following syntax:

numpy.random.normal(loc=0.0, scale=1.0, size=None)

where:

• LỘC: Giá trị trung bình của phân phối. Mặc định là 0.Mean of the distribution. Default is 0.
• Quy mô: Độ lệch chuẩn của phân phối. Mặc định là 1.Standard deviation of the distribution. Default is 1.
• Kích thước: Kích thước mẫu.Sample size.

Hướng dẫn này cho thấy một ví dụ về cách sử dụng chức năng này để tạo phân phối bình thường trong Python.

Liên quan: & nbsp; làm thế nào để tạo một đường cong chuông trong Python How to Make a Bell Curve in Python

Ví dụ: Tạo phân phối bình thường trong Python

Mã sau đây cho thấy cách tạo phân phối bình thường trong Python:

from numpy.random import seed
from numpy.random import normal

#make this example reproducible
seed(1)

#generate sample of 200 values that follow a normal distribution 
data = normal(loc=0, scale=1, size=200)

#view first six values
data[0:5]

array([ 1.62434536, -0.61175641, -0.52817175, -1.07296862,  0.86540763])

Chúng ta có thể nhanh chóng tìm thấy độ lệch trung bình và độ lệch chuẩn của phân phối này:

import numpy as np

#find mean of sample
np.mean(data)

0.1066888148479486

#find standard deviation of sample
np.std(data, ddof=1)

0.9123296653173484

Chúng ta cũng có thể tạo một biểu đồ nhanh để trực quan hóa phân phối các giá trị dữ liệu:

import matplotlib.pyplot as plt
count, bins, ignored = plt.hist(data, 30)
plt.show()

Chúng tôi thậm chí có thể thực hiện một bài kiểm tra Shapiro-Wilk để xem liệu bộ dữ liệu có đến từ một dân số bình thường không:

from scipy.stats import shapiro

#perform Shapiro-Wilk test
shapiro(data)

ShapiroResult(statistic=0.9958659410, pvalue=0.8669294714)

& nbsp; giá trị p của thử nghiệm hóa ra là 0,8669. Vì giá trị này không nhỏ hơn 0,05, chúng tôi có thể giả sử dữ liệu mẫu đến từ một dân số thường được phân phối.0.8669. Since this value is not less than .05, we can assume the sample data comes from a population that is normally distributed.

Kết quả này không đáng ngạc nhiên vì chúng tôi đã tạo dữ liệu bằng hàm numpy.random.nmal (), tạo ra một mẫu dữ liệu ngẫu nhiên đến từ phân phối bình thường.numpy.random.normal() function, which generates a random sample of data that comes from a normal distribution.