Как создать нормальное распределение в python (с примерами)

Вы можете быстро сгенерировать нормальное распределение в Python, используя функцию numpy.random.normal() , которая использует следующий синтаксис:

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

Золото:

• loc: Среднее распределение. Значение по умолчанию — 0.
• масштаб: стандартное отклонение распределения. Значение по умолчанию — 1.
• размер: размер выборки.

В этом руководстве показан пример использования этой функции для создания нормального распределения в Python.

Связанный: Как создать колоколообразную кривую в Python

Пример: создание нормального распределения в Python

Следующий код показывает, как создать нормальное распределение в Python:

 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])

Мы можем быстро найти среднее и стандартное отклонение этого распределения:

 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

Мы также можем создать быструю гистограмму для визуализации распределения значений данных:

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

Мы даже можем выполнить тест Шапиро-Уилка, чтобы проверить, получен ли набор данных из нормальной популяции:

 from scipy. stats import shapiro

#perform Shapiro-Wilk test
shapiro(data)

ShapiroResult(statistic=0.9958659410, pvalue=0.8669294714)

P-значение теста оказывается равным 0,8669 . Поскольку это значение не меньше 0,05, можно предположить, что данные выборки взяты из нормально распределенной совокупности.

Этот результат не должен вызывать удивления, поскольку мы сгенерировали данные с помощью функции numpy.random.normal() , которая генерирует случайную выборку данных из нормального распределения.