Cara menggunakan yang setara dengan rnorm() dengan python

Dalam bahasa pemrograman R, kita dapat menggunakan fungsi rnorm() untuk menghasilkan vektor nilai acak yang mengikuti distribusi normal dengan mean dan deviasi standar tertentu.

Misalnya, kode berikut menunjukkan cara menggunakan rnorm() untuk membuat vektor 8 nilai acak yang mengikuti distribusi normal dengan mean 5 dan standar deviasi 2:

 #make this example reproducible
set. seeds (1)

#generate vector of 8 values that follows normal distribution with mean=5 and sd=2
rnorm(n=8, mean=5, sd=2)

[1] 3.747092 5.367287 3.328743 8.190562 5.659016 3.359063 5.974858 6.476649

Fungsi yang setara dengan rnorm() di Python adalah fungsi np.random.normal() , yang menggunakan sintaks dasar berikut:

np.random.normal(loc=0, skala=1, ukuran=Tidak Ada)

Emas:

• loc : Rata-rata distribusi
• skala : Standar deviasi distribusi
• ukuran : ukuran sampel

Contoh berikut menunjukkan cara menggunakan fungsi ini dalam praktiknya.

Contoh: menggunakan persamaan rnorm() dengan Python

Kode berikut menunjukkan cara menggunakan fungsi np.random.normal() untuk menghasilkan array nilai acak yang mengikuti distribusi normal dengan mean dan deviasi standar tertentu.

 import numpy as np

#make this example reproducible
n.p. random . seeds (1)

#generate array of 8 values that follow normal distribution with mean=5 and sd=2
n.p. random . normal (loc=5, scale=2, size=8)

array([8.24869073, 3.77648717, 3.9436565, 2.85406276, 6.73081526,
       0.39692261, 8.48962353, 3.4775862 ])

Hasilnya adalah array NumPy berisi 8 nilai yang dihasilkan dari distribusi normal dengan mean 5 dan standar deviasi 2.

Anda juga dapat membuat histogram menggunakan Matplotlib untuk memvisualisasikan distribusi normal yang dihasilkan oleh fungsi np.random.normal() :

 import numpy as np
import matplotlib. pyplot as plt

#make this example reproducible
n.p. random . seeds (1)

#generate array of 200 values that follows normal distribution with mean=5 and sd=2
data = np. random . normal (loc=5, scale=2, size=200)

#create histogram to visualize distribution of values
plt. hist (data, bins=30, edgecolor=' black ')

Kita melihat bahwa distribusi nilai kira-kira berbentuk lonceng dengan mean 5 dan standar deviasi 2.

Catatan : Anda dapat menemukan dokumentasi lengkap untuk fungsi np.random.normal() di sini .

Sumber daya tambahan

Tutorial berikut menjelaskan cara melakukan operasi umum lainnya dengan Python:

Cara Menghitung dan Merencanakan CDF Normal dengan Python
Cara Merencanakan Distribusi Normal dengan Python
Cara menguji normalitas dengan Python