正态分布函数python 正态分布函数表怎么看

【TensorFlow基本功】正太分布的使用

正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distribution）。

成都创新互联公司主营龙山网站建设的网络公司,主营网站建设方案,成都app开发,龙山h5微信小程序开发搭建,龙山网站营销推广欢迎龙山等地区企业咨询

正态曲线呈钟型，两头低，中间高，左右对称因其曲线呈钟形，因此人们又经常称之为钟形曲线。

在TF中会大量使用到正态分布，熟练的使用它，也是使用TF的基本功之一。下面来看一下在Python中如何使用。

用numpy来获取一个标准正态分布的样例

一维正太分布如上面定义所说，正如一个“钟形”

或者如下两者

和

效果都如之前的图片

mu控制函数中心位置左右移动，如下mu=6的场景

sigma=10的场景

记住这个特性，在获取一维正太分布数据时很有帮助。

二维正太分布的公式如下，

二维正太分布使用不一样的numpy函数， multivariate_normal

二维标准正太分布如下，不在是一个“钟”，而像一个“圆”

这里的参数也有变化。

mean表示二维数组每一维的均值；是一个（1，2）矩阵。

cov表示二维数组的 协方差 ；是一个（2，2）矩阵。

可以看出来mean是圆的圆点，那么是不是改变了mean，圆就会发生移动呢？ 我们试一下。

那么cov 协方差代表的意义 也通过实验来看一下，

如何将已知数据用python写成正态分布并且画图

import numpy as np

import matplotlib.pyplot as plt

y = [2,5,7,10,16,23,20,16,9,6,6,3,1,1]

x = [59,60,61,62,63,64,65,66,67,68,69,70,71,72]

fig, ax = plt.subplots()

ax.bar(x, y, 0.3,alpha=0.5, color='b',label='abc')

plt.axis([55,75,0,25])

ax.set_xlabel('XXX')

ax.set_ylabel('YYY')

ax.set_title('ABC')

ax.legend()

fig.tight_layout()

plt.show()

如何用python求出某已知正态分布的概率密度

算出平均值和标准差μ、σ，代入正态分布密度函数表达式：

f(x) = exp{-(x-μ)2/2σ2}/[√(2π)σ]

给定x值,即可算出f值。