Comment tracer une distribution normale

Question

Compte tenu d'une moyenne et d'une variance, existe-t-il une fonction simple permettant de tracer une distribution normale ?

Answer 1

import matplotlib.pyplot as plt
import numpy as np
import scipy.stats as stats
import math

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

Answer 2

Je ne pense pas qu'il existe une fonction qui fasse tout cela en un seul appel. Cependant, vous pouvez trouver la fonction de densité de probabilité gaussienne dans scipy.stats .

Donc le moyen le plus simple que j'ai trouvé est :

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))
plt.show()

Fuentes:

• 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

Utilisez plutôt du sabre de mer J'utilise distplot de seaborn avec mean=5 std=3 sur 1000 valeurs.

value = np.random.normal(loc=5,scale=3,size=1000)
sns.distplot(value)

Vous obtiendrez une courbe de distribution normale

Answer 4

Si vous préférez utiliser une approche pas à pas, vous pouvez envisager une solution comme la suivante

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()

Answer 5

La réponse d'Unutbu est correcte. Mais comme notre moyenne peut être supérieure ou inférieure à zéro, je voudrais quand même changer cela :

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

à ce :

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