Cara menghitung & merencanakan cdf normal dengan python

Fungsi distribusi kumulatif ( CDF ) memberi tahu kita probabilitas bahwa suatu variabel acak mempunyai nilai yang kurang dari atau sama dengan nilai tertentu.

Tutorial ini menjelaskan cara menghitung dan memplot nilai CDF normal dengan Python.

Contoh 1: Hitung Probabilitas CDF Normal dengan Python

Cara termudah untuk menghitung probabilitas CDF normal dengan Python adalah dengan menggunakan fungsi norm.cdf() dari perpustakaan SciPy .

Kode berikut menunjukkan cara menghitung probabilitas suatu variabel acak bernilai kurang dari 1,96 dalam distribusi normal standar:

 from scipy. stats import norm

#calculate probability that random value is less than 1.96 in normal CDF
norm. cdf ( 1.96 )

0.9750021048517795

Probabilitas suatu variabel acak mempunyai nilai kurang dari 1,96 dalam distribusi normal standar adalah sekitar 0,975 .

Kita juga dapat mencari probabilitas suatu variabel acak bernilai lebih besar dari 1,96 hanya dengan mengurangkan nilai ini dari 1:

 from scipy. stats import norm

#calculate probability that random value is greater than 1.96 in normal CDF
1 - norm. cdf ( 1.96 )

0.024997895148220484

Probabilitas suatu variabel acak mempunyai nilai lebih besar dari 1,96 dalam distribusi normal standar adalah sekitar 0,025 .

Contoh 2: Merencanakan CDF Normal

Kode berikut menunjukkan cara memplot CDF normal dengan Python:

 import matplotlib. pyplot as plt
import numpy as np
import scipy. stats as ss

#define x and y values to use for CDF
x = np. linspace (-4, 4, 1000)
y = ss. norm . cdf (x)

#normal plot CDF
plt. plot (x, y) 

Sumbu x menunjukkan nilai variabel acak yang mengikuti distribusi normal standar, dan sumbu y menunjukkan kemungkinan suatu variabel acak mengambil nilai lebih kecil dari nilai yang ditunjukkan pada sumbu x.

Misalnya, jika kita melihat x = 1,96, kita akan melihat bahwa probabilitas kumulatif x kurang dari 1,96 adalah sekitar 0,975 .

Jangan ragu untuk juga mengubah warna dan label sumbu plot CDF normal:

 import matplotlib. pyplot as plt
import numpy as np
import scipy. stats as ss

#define x and y values to use for CDF
x = np. linspace (-4, 4, 1000)
y = ss. norm . cdf (x)

#normal plot CDF
plt. plot (x,y,color=' red ')
plt. title (' Normal CDF ')
plt. xlabel (' x ')
plt. ylabel (' CDF ')

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya dengan Python:

Cara Menghasilkan Distribusi Normal dengan Python
Cara Merencanakan Distribusi Normal dengan Python