通过numpy随机数绘制正态分布图

在Python中，我们可以使用NumPy库来生成正态分布的随机数，并结合Matplotlib库来绘制图表。以下是一个简单的步骤：

首先，你需要安装这两个库，如果尚未安装，可以使用pip安装：

pip install numpy matplotlib

然后，你可以使用NumPy的`normal()`函数生成正态分布的数据，它接受均值(mean)、标准差(std-dev)以及需要生成的数量作为参数。例如，生成平均数为0，标准差为1的一组数据：

import numpy as np

mean = 0
std_dev = 1
size = 1000  # 生成1000个随机样本
random_numbers = np.random.normal(mean, std_dev, size)

接着，使用Matplotlib的`hist()`函数绘制直方图：

import matplotlib.pyplot as plt

plt.hist(random_numbers, bins='auto', alpha=0.5, color='g')  # 'auto'选择合适的bins
plt.title('Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图形
plt.show()

这里，`alpha`调整透明度，`color`设置颜色，`hist()`函数会自动计算并显示频率分布。

相关问题

编写程序使用 Box-Muller 方法生成 1000 个𝑁(5,4)正态分布随机数，并绘制 正态 QQ 图检验随机数的正态性

import numpy as np
import matplotlib.pyplot as plt

# 生成1000个N(0,1)的随机数
u1 = np.random.rand(1000)
u2 = np.random.rand(1000)

z1 = np.sqrt(-2*np.log(u1))*np.cos(2*np.pi*u2)
z2 = np.sqrt(-2*np.log(u1))*np.sin(2*np.pi*u2)

# 将N(0,1)转化为N(5,4)
x = 5 + 2*z1

# 绘制正态QQ图
import scipy.stats as stats

stats.probplot(x, dist="norm", plot=plt)
plt.title("Normal QQ Plot")
plt.show()

运行结果：


从正态QQ图可以看出，生成的随机数近似正态分布。

用Python绘制正态分布图

好的，请等一下，我来给您绘制正态分布图。

以下是 Python 代码：

import numpy as np
import matplotlib.pyplot as plt

# 生成均值为0，标准差为1的1000个随机数
x = np.random.normal(0,1,1000)

# 绘制直方图
plt.hist(x, bins=30)

# 绘制密度曲线
density = (1/(2*np.pi)**0.5)*np.exp(-x**2/2)
plt.plot(x, density, color='r')

plt.title('Normal Distribution')
plt.show()

这段代码可以生成一个均值为0，标准差为1的正态分布图。