पायथन पिलैब प्लॉट सामान्य वितरण

Question

एक औसत और एक भिन्नता को देखते हुए एक साधारण पिलाब फ़ंक्शन कॉल होता है जो सामान्य वितरण को प्लॉट करेगा?

या मुझे खुद को बनाने की ज़रूरत है?

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

मैं वहाँ नहीं लगता कि एक समारोह वह सब करता है कि एक ही कॉल में है। हालांकि आप scipy.stats में गाऊसी संभाव्यता घनत्व फ़ंक्शन पा सकते हैं।

तो सबसे आसान तरीका मैं के साथ आ सकता है:

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)) 

सूत्रों का कहना है:

• 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

Unutbu उत्तर सही है। लेकिन क्योंकि हमारे मतलब हो सकता है और अधिक या शून्य से कम मैं अभी भी इस परिवर्तन करना चाहते हैं:

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

इस के लिए

:

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

Answer 4

आप विचार कर सकते हैं आप कदम दृष्टिकोण से एक कदम का उपयोग करना पसंद करते हैं एक समाधान जैसे

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()