标准正态分布python代码
时间: 2023-11-08 15:03:51 浏览: 36
可以使用scipy库中的stats模块来生成标准正态分布。以下是Python代码示例:
```python
from scipy.stats import norm
# 生成100个符合标准正态分布的随机数
samples = norm.rvs(size=100)
print(samples)
```
输出:
```
[-0.16593019 0.18972205 0.30667938 -0.38788125 -0.52070353 -1.42109845
1.6745864 -1.49938967 0.31294025 -0.95522584 -1.45866802 -0.70640625
-1.22047806 0.56476184 0.15919849 -0.1502898 0.70681955 2.0231485
-1.50368925 -0.4293156 -0.23330715 -1.99916812 2.14167831 -0.08664092
-0.38244862 1.01605405 -0.3665893 0.57957332 -1.35748995 -0.1432389
...
```
相关问题
正态分布python代码
以下是生成正态分布的Python代码:
```python
import numpy as np
import matplotlib.pyplot as plt
# 设置正态分布的均值和标准差
mu, sigma = 0, 0.1
# 生成随机数
s = np.random.normal(mu, sigma, 1000)
# 绘制直方图
count, bins, ignored = plt.hist(s, 30, density=True)
# 绘制正态分布的曲线
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
np.exp( - (bins - mu)**2 / (2 * sigma**2) ),
linewidth=2, color='r')
# 显示图形
plt.show()
```
首先,我们导入了 `numpy` 和 `matplotlib.pyplot` 模块。然后,我们设置了正态分布的均值 `mu` 和标准差 `sigma`。接着,使用 `numpy.random.normal()` 函数生成了1000个符合正态分布的随机数 `s`。然后,使用 `matplotlib.pyplot.hist()` 函数绘制了 `s` 的直方图,并使用 `numpy.exp()` 函数计算了正态分布的曲线,并使用 `matplotlib.pyplot.plot()` 函数将其绘制出来。最后,使用 `matplotlib.pyplot.show()` 函数显示图形。
标准正态分布函数 python
标准正态分布函数是指服从均值为0,标准差为1的正态分布函数。在Python中,可以使用SciPy库中的norm模块来计算标准正态分布函数的值。
首先,需要导入SciPy库的norm模块:
```python
from scipy.stats import norm
```
然后,可以使用norm模块的cdf方法来计算标准正态分布函数的值。例如,要计算x=1处的标准正态分布函数的值,可以使用以下代码:
```python
x = 1
std_normal_dist = norm(loc=0, scale=1)
std_normal_dist_value = std_normal_dist.cdf(x)
print(std_normal_dist_value)
```
输出结果将为0.8413447460685429,即x=1处的标准正态分布函数的值。
除了cdf方法,还可以使用ppf方法来计算给定概率下对应的分位数。例如,要计算标准正态分布函数在0.5处的分位数,可以使用以下代码:
```python
prob = 0.5
std_normal_dist_percentile = std_normal_dist.ppf(prob)
print(std_normal_dist_percentile)
```
输出结果将为0.0,即标准正态分布函数在0.5处的分位数为0。
希望以上信息对你有帮助!如果有任何问题,请随时提问。