python+拟合正态分布

以下是使用Python拟合正态分布的例子：

import numpy as np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit

# 定义正态分布函数
def normal_distribution(x, mu, sigma, A):
    return A * np.exp(-(x - mu) ** 2 / (2 * sigma ** 2))

# 生成随机数据
data = np.random.normal(0, 1, 10000)

# 绘制直方图
plt.hist(data, bins=50, density=True, alpha=0.6, color='g')

# 拟合正态分布曲线
params, cov = curve_fit(normal_distribution, xdata=np.linspace(-4, 4, 100), ydata=y, p0=[0, 1, 1])

# 绘制拟合曲线
x = np.linspace(-4, 4, 100)
y_fit = normal_distribution(x, params[0], params[1], params[2])
plt.plot(x, y_fit, 'r-', linewidth=2)

# 显示图像
plt.show()

其中，`curve_fit`函数用于拟合正态分布曲线，`params`为拟合后的参数，`cov`为协方差矩阵。