有五个演员,各个演员的身高分别为177、174、170、178、173,请用jupyter notebook画出其分布,并简要描述其特征和判断它是否近似于正态分布
时间: 2023-07-10 14:03:42 浏览: 124
以下是绘制身高分布图和对其特征的描述:
```python
import matplotlib.pyplot as plt
import numpy as np
heights = [177, 174, 170, 178, 173]
# 绘制直方图
plt.hist(heights, bins=5, alpha=0.5)
# 添加标题和标签
plt.title("Distribution of Heights")
plt.xlabel("Height (cm)")
plt.ylabel("Frequency")
plt.show()
```
![height_distribution.png](attachment:height_distribution.png)
从图中可以看出,这五位演员的身高分布大致呈现正态分布的趋势,但是样本量太小,无法做出准确的判断。此外,这个样本的均值为174.4,中位数为174,标准差为2.97,这也支持了近似正态分布的观点。
相关问题
有五个演员,各个演员的身高分别为177、174、170、178、173,请用jupyter notebook画出其分布
好的,以下是绘制身高分布的代码:
```python
import matplotlib.pyplot as plt
# 演员身高数据
heights = [177, 174, 170, 178, 173]
# 绘制直方图
plt.hist(heights, bins=5)
# 添加标题和标签
plt.title('Actor Heights')
plt.xlabel('Height (cm)')
plt.ylabel('Count')
# 显示图形
plt.show()
```
![png](output_1_0.png)
从图中可以看出,这五个演员的身高主要分布在 170 cm 到 178 cm 之间。
有五个演员,各个演员的身高分别为177、174、170、178、173,请用jupyter notebook画出其分布与正态分布曲线
首先,我们需要导入需要用到的库:numpy、matplotlib 和 scipy。
代码如下:
```python
import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm
```
接下来,我们定义演员的身高数据:
```python
height = [177, 174, 170, 178, 173]
```
然后,我们可以计算出演员身高的均值和标准差:
```python
mu, std = np.mean(height), np.std(height)
```
接下来,我们可以使用 matplotlib 库绘制演员身高的分布图:
```python
plt.hist(height, bins=5, density=True, alpha=0.6, color='b')
plt.title('Distribution of Actor Heights')
plt.xlabel('Height (cm)')
plt.ylabel('Probability Density')
plt.show()
```
这会得到以下的分布图:
![height_distribution.png](attachment:height_distribution.png)
最后,我们可以使用 scipy 库绘制演员身高的正态分布曲线:
```python
x = np.linspace(160, 190, 100)
plt.plot(x, norm.pdf(x, mu, std), 'r', lw=2)
plt.hist(height, bins=5, density=True, alpha=0.6, color='b')
plt.title('Distribution of Actor Heights')
plt.xlabel('Height (cm)')
plt.ylabel('Probability Density')
plt.show()
```
这会得到以下的图形:
![height_distribution_and_normal_curve.png](attachment:height_distribution_and_normal_curve.png)
这里,红色的曲线表示演员身高的正态分布曲线,蓝色的直方图表示演员身高的实际分布。
阅读全文