Python画标准正态分布图
引言
正态分布是统计学中非常重要的一种分布，也称为高斯分布或钟形曲线。标准正态分布是指均值为0，标准差为1的正态分布。在统计分析和数据可视化中，我们经常需要使用标准正态分布图来观察数据的分布情况。Python提供了丰富的工具和库来绘制标准正态分布图，本文将介绍如何使用Python绘制标准正态分布图。
准备工作
在开始之前，我们需要安装和导入一些必要的库。在Python中，我们可以使用numpy库生成服从标准正态分布的随机数，使用matplotlib库绘制图形。
import numpy as np
import matplotlib.pyplot as plt
生成数据
为了绘制标准正态分布图，我们需要生成服从标准正态分布的一组随机数。在numpy库中，可以使用np.random.randn()函数生成服从标准正态分布的随机数。可以通过调整生成的随机数的数量来改变数据的精度。
data = np.random.randn(1000)
绘制直方图
绘制标准正态分布图最常用的方法之一是绘制直方图。直方图将数据分成若干个区间，统计每个区间内数据的频数，并将频数用柱状图表示。可以使用matplotlib库中的plt.hist()函数绘制直方图。通过调整bins参数可以改变直方图的区间数量。
plt.hist(data, bins=30, density=True, alpha=0.7)
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Standard Normal Distribution')
plt.show()
函数生成一组均匀间隔的数据，并使用scipy.stats.norm类的pdf()方法计算每个数据点的概率密度。
x = np.linspace(-4, 4, 1000)
y = stats.norm.pdf(x, 0, 1)
plt.plot(x, y)
plt.xlabel('Value')
plt.ylabel('Probability Density')
plt.title('Standard Normal Distribution')
plt.show()
方法计算每个数据点的累积概率。
x = np.linspace(-4, 4, 1000)
y = stats.norm.cdf(x, 0, 1)
plt.plot(x, y)
plt.xlabel('Value')
plt.ylabel('Cumulative Probability')
plt.title('Standard Normal Distribution')
plt.show()
