创建一个函数，能够返回任意均值或方差的正态分布曲线坐标 x，y。 def norm_curve (mu, sigma , x) :

以下是Python代码：

import math

def norm_curve(mu, sigma, x):
    y = (1 / (sigma * math.sqrt(2 * math.pi))) * math.exp(-(x - mu)**2 / (2 * sigma**2))
    return y

其中，`mu`为正态分布的均值，`sigma`为正态分布的标准差，`x`为自变量（即要求的横坐标）。

该函数的返回值为正态分布曲线上对应横坐标`x`处的纵坐标`y`。

相关问题

创建一个函数，能够返回任意均值或方差的正态分布曲线坐标 x，y。 1 def norm_curve (mu, sigma , x) 利用刚才的函数，在同一个 figure 里面绘制 x ∼ N(0, 1)的图像

import numpy as np
import matplotlib.pyplot as plt

def norm_curve(mu, sigma, x):
    y = 1/(sigma * np.sqrt(2 * np.pi)) * np.exp(-0.5 * ((x-mu)/sigma)**2)
    return y

x = np.linspace(-5, 5, 100)
y = norm_curve(0, 1, x)

plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Probability density')
plt.title('Normal Distribution with mu=0, sigma=1')
plt.show()

创建一个函数def norm_curve (mu, sigma , x) 能够返回任意均值或方差的正态分布曲线坐标 x，y利用刚才的函数，在同一个 figure 里面绘制 x ∼ N(0, 1), x ∼ N(2, 1), x ∼ N(0, 2) 的曲线图。

import numpy as np
import matplotlib.pyplot as plt

def norm_curve(mu, sigma, x):
    y = 1/(sigma * np.sqrt(2 * np.pi)) * np.exp(-(x - mu)**2 / (2 * sigma**2))
    return y

x = np.linspace(-5, 5, 1000)

y1 = norm_curve(0, 1, x)
y2 = norm_curve(2, 1, x)
y3 = norm_curve(0, 2, x)

plt.plot(x, y1, label=r"$\mu=0,\sigma=1$")
plt.plot(x, y2, label=r"$\mu=2,\sigma=1$")
plt.plot(x, y3, label=r"$\mu=0,\sigma=2$")

plt.legend()
plt.show()

输出结果为：