這篇文章將為大家詳細(xì)講解有關(guān)python 如何實(shí)現(xiàn)判斷一組數(shù)據(jù)是否符合正態(tài)分布，文章內(nèi)容質(zhì)量較高，因此小編分享給大家做個(gè)參考，希望大家閱讀完這篇文章后對(duì)相關(guān)知識(shí)有一定的了解。

專注于為中小企業(yè)提供成都網(wǎng)站建設(shè)、網(wǎng)站制作服務(wù),電腦端+手機(jī)端+微信端的三站合一,更高效的管理,為中小企業(yè)代縣免費(fèi)做網(wǎng)站提供優(yōu)質(zhì)的服務(wù)。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動(dòng)了上千余家企業(yè)的穩(wěn)健成長(zhǎng)，幫助中小企業(yè)通過(guò)網(wǎng)站建設(shè)實(shí)現(xiàn)規(guī)模擴(kuò)充和轉(zhuǎn)變。

正態(tài)分布：

若隨機(jī)變量x服從有個(gè)數(shù)學(xué)期望為μ,方差為σ2 的正態(tài)分布，記為N(μ,σ)

其中期望值決定密度函數(shù)的位置，標(biāo)準(zhǔn)差決定分布的幅度，當(dāng)υ=0，σ=0 時(shí)的正態(tài)分布是標(biāo)準(zhǔn)正態(tài)分布

判斷方法有畫(huà)圖/k-s檢驗(yàn)

畫(huà)圖：

#導(dǎo)入模塊
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

#構(gòu)造一組隨機(jī)數(shù)據(jù)
s = pd.DataFrame(np.random.randn(1000)+10,columns = ['value'])

#畫(huà)散點(diǎn)圖和直方圖
fig = plt.figure(figsize = (10,6))
ax1 = fig.add_subplot(2,1,1) # 創(chuàng)建子圖1
ax1.scatter(s.index, s.values)
plt.grid()

ax2 = fig.add_subplot(2,1,2) # 創(chuàng)建子圖2
s.hist(bins=30,alpha = 0.5,ax = ax2)
s.plot(kind = 'kde', secondary_y=True,ax = ax2)
plt.grid()

網(wǎng)站標(biāo)題：python如何實(shí)現(xiàn)判斷一組數(shù)據(jù)是否符合正態(tài)分布-創(chuàng)新互聯(lián)
標(biāo)題URL：http://weahome.cn/article/dihhpj.html