Python:按钟形图的顺序生成正态分布
我想按照钟的顺序生成正态分布。 我使用此代码生成数字:Python:按钟形图的顺序生成正态分布,python,python-3.x,normal-distribution,Python,Python 3.x,Normal Distribution,我想按照钟的顺序生成正态分布。 我使用此代码生成数字: import numpy as np mu,sigma,n = 0.,1.,1000 def normal(x,mu,sigma): return ( 2.*np.pi*sigma**2. )**-.5 * np.exp( -.5 * (x-mu)**2. / sigma**2. ) x = np.random.normal(mu,sigma,n) #generate random list of points from no
import numpy as np
mu,sigma,n = 0.,1.,1000
def normal(x,mu,sigma):
return ( 2.*np.pi*sigma**2. )**-.5 * np.exp( -.5 * (x-mu)**2. / sigma**2. )
x = np.random.normal(mu,sigma,n) #generate random list of points from normal distribution
y = normal(x,mu,sigma) #evaluate the probability density at each point
x,y = x[np.argsort(y)],np.sort(y) #sort according to the probability density
这是在以下文件中提出的代码:
但这些数字并不是按钟形排列的。
有什么想法吗?
非常感谢你有几件事你弄糊涂了 random.normal从钟形曲线中随机抽取编号
n
所以你有1000个数字,每个都不同,都是从曲线上画出来的。要重新创建曲线,需要应用一些装箱。每个箱子中的点数将重新生成曲线(单点本身很难表示概率)。在只有1000个点的x
向量上使用一些广泛的装箱:
h,hx=np.histogram(x,bins=50)
并绘制h
作为hx
的函数(因此我将您的千个数字分组到50个箱子中,y
轴将显示箱子中的点数:
现在我们可以看到,x
是从钟形分布中得出的-落入中央垃圾箱的机会由高斯分布决定。这是一个抽样,因此每个点当然可能会有所不同-使用的点越多,垃圾箱越细,效果越好(越平滑)
y=normal(x,mu,sigma)
这只是在任何给定的x
下计算高斯分布,因此实际上,提供normal
与均值(mu)周围的任何数字列表,它将精确计算钟形曲线(精确概率)。根据x
绘制y
(你的x
本身是高斯分布并不重要,但它是平均值周围的1000点,因此它可以重新创建函数):
看看它有多平滑?这是因为它不是采样,而是函数的精确计算。您可以使用0附近的任意1000个点,看起来也一样好。您的代码工作得很好
import numpy as np
import matplotlib.pyplot as plt
mu,sigma,n = 0.,1.,1000
def normal(x,mu,sigma):
return ( 2.*np.pi*sigma**2. )**-.5 * np.exp( -.5 * (x-mu)**2. / sigma**2. )
x = np.random.normal(mu,sigma,n)
y = normal(x,mu,sigma)
plt.plot(x,y)
您正在根据y值对x轴进行排序。在最后一行之前,您的代码工作正常。但是x的值没有遵循钟形形式,比如从低值开始,然后上升和下降。@kabanusy您混淆了轴。绘制散点图,它看起来很好-y随着x的增加而上升和下降。请你能给我看看样品吗?我是新来的。@kabanus