Python で正規分布を生成する方法 (例付き)

次の構文を使用するnumpy.random.normal()関数を使用すると、Python で正規分布をすばやく生成できます。

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

金：

• loc:分布の平均。デフォルト値は 0 です。
• スケール:分布の標準偏差。デフォルト値は 1 です。
• サイズ:サンプルサイズ。

このチュートリアルでは、この関数を使用して Python で正規分布を生成する例を示します。

関連: Python でベル カーブを作成する方法

例: Python での正規分布の生成

次のコードは、Python で正規分布を生成する方法を示しています。

 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])

この分布の平均と標準偏差をすぐに見つけることができます。

 import numpy as np

#find mean of sample
n.p. mean (data)

0.1066888148479486

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

0.9123296653173484

簡単なヒストグラムを作成して、データ値の分布を視覚化することもできます。

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

Shapiro-Wilk 検定を実行して、データセットが正規母集団からのものであるかどうかを確認することもできます。

 from scipy. stats import shapiro

#perform Shapiro-Wilk test
shapiro(data)

ShapiroResult(statistic=0.9958659410, pvalue=0.8669294714)

検定の p 値は0.8669であることがわかります。この値は 0.05 未満ではないため、サンプル データは正規分布した母集団からのものであると想定できます。

正規分布からデータのランダムなサンプルを生成するnumpy.random.normal()関数を使用してデータを生成したため、この結果は驚くべきことではありません。