آموزش توزیع نرمال در پایتون

0 دیدگاه

توزیع نرمال در پایتون روشی برای نمایش داده‌ها است که با مرتب‌سازی مقادیر بر اساس توزیع احتمالی هر مقدار در مجموعه داده ایجاد می‌شود. در این نوع توزیع، بیشتر مقادیر در اطراف مقدار میانگین قرار می‌گیرند و این ویژگی باعث می‌شود شکل توزیع متقارن باشد.

برای محاسبه مقادیر مربوط به یک توزیع نرمال به‌صورت ریاضی، از توابع مختلف موجود در کتابخانه NumPy استفاده می‌کنیم. ابتدا یک هیستوگرام رسم می‌کنیم و سپس منحنی توزیع احتمالی را روی آن قرار می‌دهیم.

import matplotlib.pyplot as plt
import numpy as np

mu, sigma = 0.5, 0.1
s = np.random.normal(mu, sigma, 1000)

# Create the bins and histogram
count, bins, ignored = plt.hist(s, 20, normed=True)

# Plot the distribution curve
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
    np.exp( - (bins - mu)**2 / (2 * sigma**2) ),       linewidth=3, color='y')
plt.show()

import matplotlib.pyplot as plt

import numpy as np

mu, sigma = 0.5, 0.1

s = np.random.normal(mu, sigma, 1000)

# Create the bins and histogram

count, bins, ignored = plt.hist(s, 20, normed=True)

# Plot the distribution curve

plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *

np.exp( - (bins - mu)**2 / (2 * sigma**2) ), linewidth=3, color='y')

plt.show()

خروجی این کد به شکل زیر خواهد بود:

5/5 - (1 امتیاز)

راستی! برای دریافت مطالب جدید در کانال تلگرام یا پیج اینستاگرام سورس باران عضو شوید.

نظرات

برچسب ها: آموزش برنامه نویسی, آموزش پایتون

دوره صفر تا صد آموزش بین المللی لینوکس

انتشار: 12 آگوست 2025

آموزش توزیع نرمال در پایتون

دسته بندی موضوعات

آخرین محصولات فروشگاه

نظرات

بازخوردهای خود را برای ما ارسال کنید

لغو پاسخ

مطالب مرتبط