python正态分布函数,python绘制正态分布密度曲线
我有一个样本数据,说服从正态分布的对数。
假设数据是包含样本的数组。把这个数据拟合起来
使用scipy.stats.lognorm的对数正态分布,并使用s,loc,scale=stats.lognorm.fit(data,floc=0)
希腊字母表中第十二个字母和希腊字母表中第十八个字母
基本正态分布。得到这些值的推测值
根据该配方,使用estimated_mu=NP.log(scale)
估计的=s
这些不是的平均值和标准偏差的估计
数据的样本。有关公式,请参阅维基百科页面
对数正态分布的平均和方差用希腊字母表中第十二个字母和希腊字母表中第十八个字母表示。 )
要组合直方图和PDF,请使用将matplotlib.pyplot作为血小板计数导入等。
PLT.hist(data,bins=50,normed=True,color=c ,alpha=0.75))
xmin=data.min(
xmax=data.max(
x=NP .Linspace(xmin,xmax,100)。
pdf=stats.lognorm.pdf(x,s,scale=scale))。
PLT.plot(x,pdf, k )。
要查看数据记录,请执行下列操作
下面。请注意,使用的是正态分布的便携文档格式
就在这里logdata=NP.log(数据)
PLT.hist(logdata,bins=40,normed=True,color=c ,alpha=0.75))。
xmin=logdata.min(
xmax=logdata.max(
x=NP .Linspace(xmin,xmax,100)。
pdf=stats.norm.pdf(x,loc=estimated_mu,scale=estimated_sigma))。
PLT.plot(x,pdf, k )。
顺便说一下,与stats.lognorm匹配的另一种方法是与日志(数据)匹配
使用统计数据。正常。拟合:日志数据=NP。日志(数据)
estimated_mu,estimated _ sigma=stats.norm.fit(日志数据)
相关问题:
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。