Jak wygenerować rozkład normalny w pythonie (z przykładami)

Możesz szybko wygenerować rozkład normalny w Pythonie za pomocą funkcji numpy.random.normal() , która wykorzystuje następującą składnię:

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

Złoto:

• loc: Średnia dystrybucji. Wartość domyślna to 0.
• skala: Odchylenie standardowe rozkładu. Wartość domyślna to 1.
• rozmiar: wielkość próbki.

W tym samouczku pokazano przykład użycia tej funkcji do wygenerowania rozkładu normalnego w Pythonie.

Powiązane: Jak utworzyć krzywą dzwonową w Pythonie

Przykład: generowanie rozkładu normalnego w Pythonie

Poniższy kod pokazuje, jak wygenerować rozkład normalny w Pythonie:

 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])

Możemy szybko znaleźć średnią i odchylenie standardowe tego rozkładu:

 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

Możemy również utworzyć szybki histogram w celu wizualizacji rozkładu wartości danych:

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

Możemy nawet wykonać test Shapiro-Wilka, aby sprawdzić, czy zbiór danych pochodzi z normalnej populacji:

 from scipy. stats import shapiro

#perform Shapiro-Wilk test
shapiro(data)

ShapiroResult(statistic=0.9958659410, pvalue=0.8669294714)

Wartość p testu wynosi 0,8669 . Ponieważ wartość ta jest nie mniejsza niż 0,05, możemy założyć, że przykładowe dane pochodzą z populacji o rozkładzie normalnym.

Wynik ten nie powinien być zaskakujący, ponieważ dane wygenerowaliśmy za pomocą funkcji numpy.random.normal() , która generuje losową próbkę danych z rozkładu normalnego.