Python pylab działka normalna dystrybucja

Question

Biorąc pod uwagę średnią i wariancję istnieje proste wywołanie funkcji pylab, które wykreśli normalny rozkład?

Czy muszę sam je wykonać?

Answer 1

import matplotlib.pyplot as plt 
import numpy as np 
import matplotlib.mlab as mlab 
import math 

mu = 0 
variance = 1 
sigma = math.sqrt(variance) 
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 100) 
plt.plot(x,mlab.normpdf(x, mu, sigma)) 
plt.show() 

Answer 2

nie istnieje, że jest to funkcja, która robi wszystko, co w jednym połączeniu. Jednak można znaleźć funkcję gęstości prawdopodobieństwa Gaussa w scipy.stats.

więc najprostszym sposobem mogłem wymyślić jest:

import numpy as np 
import matplotlib.pyplot as plt 
from scipy.stats import norm 

# Plot between -10 and 10 with .001 steps. 
x_axis = np.arange(-10, 10, 0.001) 
# Mean = 0, SD = 2. 
plt.plot(x_axis, norm.pdf(x_axis,0,2)) 

Źródła:

• http://www.johndcook.com/distributions_scipy.html
• http://docs.scipy.org/doc/scipy/reference/stats.html
• http://telliott99.blogspot.com/2010/02/plotting-normal-distribution-with.html

Answer 3

Odpowiedź Unutbu jest poprawna. Ale poniewaz nasza średnia może być większa lub mniejsza od zera, jeszcze bym to zmienić:

x = np.linspace(-3 * sigma, 3 * sigma, 100) 

do tego:

x = np.linspace(-3 * sigma + mean, 3 * sigma + mean, 100) 

Answer 4

Jeśli wolisz używać krok po kroku można rozważyć rozwiązanie takie jak:

import numpy as np 
import matplotlib.pyplot as plt 

mean = 0; std = 1; variance = np.square(std) 
x = np.arange(-5,5,.01) 
f = np.exp(-np.square(x-mean)/2*variance)/(np.sqrt(2*np.pi*variance)) 

plt.plot(x,f) 
plt.ylabel('gaussian distribution') 
plt.show()