正太分布拟合python算法

在Python中，可以使用SciPy库中的stats模块来进行正态分布的拟合。具体的步骤如下：

1. 导入必要的库

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

2. 生成样本数据

# 生成1000个服从正态分布的随机数
data = np.random.normal(loc=0, scale=1, size=1000)

3. 绘制样本数据的直方图

plt.hist(data, bins=30, density=True, alpha=0.5)
plt.show()

4. 使用stats.norm.fit()函数拟合正态分布

mu, sigma = stats.norm.fit(data)

5. 绘制拟合后的正态分布曲线

x = np.linspace(-5, 5, 100)
y = stats.norm.pdf(x, loc=mu, scale=sigma)
plt.plot(x, y)
plt.show()

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt
from scipy import stats

# 生成1000个服从正态分布的随机数
data = np.random.normal(loc=0, scale=1, size=1000)

# 绘制样本数据的直方图
plt.hist(data, bins=30, density=True, alpha=0.5)
plt.show()

# 使用stats.norm.fit()函数拟合正态分布
mu, sigma = stats.norm.fit(data)

# 绘制拟合后的正态分布曲线
x = np.linspace(-5, 5, 100)
y = stats.norm.pdf(x, loc=mu, scale=sigma)
plt.plot(x, y)
plt.show()