Python에서 일반 cdf를 계산하고 플롯하는 방법

누적 분포 함수( CDF ) 는 임의 변수가 특정 값보다 작거나 같은 값을 가질 확률을 알려줍니다.

이 튜토리얼에서는 Python에서 일반 CDF 값을 계산하고 플롯하는 방법을 설명합니다.

예제 1: Python에서 일반 CDF 확률 계산

Python에서 일반 CDF 확률을 계산하는 가장 쉬운 방법은 SciPy 라이브러리의 norm.cdf() 함수를 사용하는 것입니다.

다음 코드는 표준 정규 분포에서 확률 변수가 1.96보다 작은 값을 가질 확률을 계산하는 방법을 보여줍니다.

 from scipy. stats import norm

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

0.9750021048517795

표준정규분포에서 확률변수가 1.96보다 작은 값을 가질 확률은 대략 0.975 이다.

또한 1에서 이 값을 빼면 임의 변수가 1.96보다 큰 값을 가질 확률을 찾을 수도 있습니다.

 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

표준정규분포에서 확률변수가 1.96보다 큰 값을 가질 확률은 약 0.025 이다.

예제 2: 정규 CDF 도표화

다음 코드는 Python에서 일반 CDF를 그리는 방법을 보여줍니다.

 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) 

x축은 표준정규분포를 따르는 확률변수의 값을 나타내고, y축은 확률변수가 x축에 표시된 값보다 작은 값을 가질 확률을 나타낸다.

예를 들어 x = 1.96을 보면 x가 1.96보다 작을 누적 확률은 약 0.975 라는 것을 알 수 있습니다.

일반 CDF 플롯의 축 색상과 레이블도 자유롭게 변경할 수 있습니다.

 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 ')

추가 리소스

다음 튜토리얼에서는 Python에서 다른 일반적인 작업을 수행하는 방법을 설명합니다.

Python에서 정규 분포를 생성하는 방법
Python에서 정규 분포를 그리는 방법