วิธีการคำนวณและพล็อต cdf ปกติใน python
ฟังก์ชันการแจกแจงสะสม ( CDF ) บอกเราถึงความน่าจะเป็นที่ ตัวแปรสุ่ม รับค่าที่น้อยกว่าหรือเท่ากับค่าที่กำหนด
บทช่วยสอนนี้จะอธิบายวิธีคำนวณและพล็อตค่า CDF ปกติใน Python
ตัวอย่างที่ 1: คำนวณความน่าจะเป็น CDF ปกติใน Python
วิธีที่ง่ายที่สุดในการคำนวณความน่าจะเป็น CDF ปกติใน Python คือการใช้ฟังก์ชัน norm.cdf() จากไลบรารี SciPy
รหัสต่อไปนี้แสดงวิธีคำนวณความน่าจะเป็นที่ตัวแปรสุ่มรับค่าน้อยกว่า 1.96 ในการแจกแจงแบบปกติมาตรฐาน:
from scipy. stats import norm #calculate probability that random value is less than 1.96 in normal CDF norm. cdf ( 1.96 ) 0.9750021048517795
ความน่าจะเป็นที่ตัวแปรสุ่มรับค่าน้อยกว่า 1.96 ในการแจกแจงแบบปกติมาตรฐานคือประมาณ 0.975
นอกจากนี้เรายังสามารถค้นหาความน่าจะเป็นที่ตัวแปรสุ่มรับค่าที่มากกว่า 1.96 โดยการลบค่านี้ออกจาก 1:
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
ความน่าจะเป็นที่ตัวแปรสุ่มรับค่าที่มากกว่า 1.96 ในการแจกแจงแบบปกติมาตรฐานคือประมาณ 0.025
ตัวอย่างที่ 2: การพล็อต CDF ปกติ
รหัสต่อไปนี้แสดงวิธีการลงจุด CDF ปกติใน Python:
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)
แกน x แสดงค่าของตัวแปรสุ่มที่เป็นไปตามการแจกแจงแบบปกติมาตรฐาน และแกน y แสดงความน่าจะเป็นที่ตัวแปรสุ่มจะใช้ค่าน้อยกว่าค่าที่แสดงบนแกน x
ตัวอย่างเช่น หากเราดูที่ x = 1.96 เราจะเห็นว่าความน่าจะเป็นสะสมที่ x น้อยกว่า 1.96 อยู่ที่ประมาณ 0.975
คุณสามารถเปลี่ยนสีและป้ายกำกับของแกนของพล็อต CDF ปกติได้ตามต้องการ:
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 ')
แหล่งข้อมูลเพิ่มเติม
บทช่วยสอนต่อไปนี้จะอธิบายวิธีดำเนินการทั่วไปอื่นๆ ใน Python:
วิธีสร้างการแจกแจงแบบปกติใน Python
วิธีการพล็อตการแจกแจงแบบปกติใน Python