Python တွင် cdf ကိုတွက်ချက်နည်း

Python တွင် စုစည်းဖြန့်ဝေမှုလုပ်ဆောင်ချက် (CDF) ကို တွက်ချက်ရန် အောက်ပါအခြေခံ syntax ကို သင်အသုံးပြုနိုင်သည်-

 #sortdata
x = np. sort (data)

#calculate CDF values
y = 1. * np. range (len(data)) / (len(data) - 1)

#plot CDF
plt. plot (x, y)

အောက်ဖော်ပြပါ ဥပမာများသည် ဤ syntax ကို လက်တွေ့တွင် မည်သို့အသုံးပြုရမည်ကို ပြသထားသည်။

ဥပမာ 1- ကျပန်းဖြန့်ဝေခြင်း CDF

အောက်ဖော်ပြပါ ကုဒ်သည် Python ရှိ ဒေတာ၏ ကျပန်းနမူနာအတွက် စုစည်းဖြန့်ဝေမှု လုပ်ဆောင်ချက် (CDF) ကို တွက်ချက်ပုံနှင့် ကြံစည်ပုံကို ပြသသည်-

 import numpy as np
import matplotlib. pyplot as plt

#define random sample of data
data = np. random . rann (10000)

#sortdata
x = np. sort (data)

#calculate CDF values
y = 1. * np. range (len(data)) / (len(data) - 1)

#plot CDF
plt. plot (x, y)
plt. xlabel (' x ')

x-axis သည် ကုန်ကြမ်းဒေတာတန်ဖိုးများကိုပြသပြီး y-axis သည် သက်ဆိုင်ရာ CDF တန်ဖိုးများကိုပြသသည်။

ဥပမာ 2- ပုံမှန်ဖြန့်ဝေခြင်း CDF

လူသိများသော ဖြန့်ဝေမှု ( ပုံမှန် ဖြန့်ဖြူးမှု ကဲ့သို့) ၏ စုစည်းဖြန့်ဝေမှု လုပ်ဆောင်ချက်ကို သင်ဆွဲလိုပါက၊ SciPy စာကြည့်တိုက်မှ အောက်ပါလုပ်ဆောင်ချက်များကို အသုံးပြုနိုင်ပါသည်။

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

#generate data from normal distribution
data = np. random . rann (1000)

#sortdata
x = np. sort (data)

#calculate CDF values
y = scipy. stats . norm . cdf (x)

#plot CDF
plt. plot (data_sorted, norm_cdf)

#plot CDF
plt. plot (x, y)
plt. xlabel (' x ') 

ထပ်လောင်းအရင်းအမြစ်များ

CDF သို့မဟုတ် PDF- ကွာခြားချက်ကား အဘယ်နည်း။
Python တွင် Bell Curve ဖန်တီးနည်း
Python တွင် Z ရမှတ်များကို တွက်ချက်နည်း