如何在Python中計(jì)算累積正態(tài)分布

Python正態(tài)分布概率計(jì)算方法，喜歡算法的伙伴們可以參考學(xué)習(xí)下。需要用到math模塊。先了解一下這個(gè)模塊方法，再來寫代碼會(huì)更好上手。

創(chuàng)新互聯(lián)專注于改則網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠(chéng)為您提供改則營(yíng)銷型網(wǎng)站建設(shè)，改則網(wǎng)站制作、改則網(wǎng)頁設(shè)計(jì)、改則網(wǎng)站官網(wǎng)定制、微信小程序服務(wù)，打造改則網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供改則網(wǎng)站排名全網(wǎng)營(yíng)銷落地服務(wù)。

def st_norm(u):

'''標(biāo)準(zhǔn)正態(tài)分布'''

import math

x=abs(u)/math.sqrt(2)

T=(0.0705230784,0.0422820123,0.0092705272,

0.0001520143,0.0002765672,0.0000430638)

E=1-pow((1+sum([a*pow(x,(i+1))

for i,a in enumerate(T)])),-16)

p=0.5-0.5*E if u0 else 0.5+0.5*E

return(p)

def norm(a,sigma,x):

'''一般正態(tài)分布'''

u=(x-a)/sigma

return(st_norm(u))

while 1:

'''輸入一個(gè)數(shù)時(shí)默認(rèn)為標(biāo)準(zhǔn)正態(tài)分布

輸入三個(gè)數(shù)(空格隔開)時(shí)分別為期望、方差、x

輸入 stop 停止'''

S=input('please input the parameters:\n')

if S=='stop':break

try:

L=[float(s) for s in S.split()]

except:

print('Input error!')

continue

if len(L)==1:

print('f(x)=%.5f'%st_norm(L[0]))

elif len(L)==3:

print('f(x)=%.5f'%norm(L[0],L[1],L[2]))

else:

print('Input error!')

如何用python使變量服從正太分布？

正太分布哈哈

首先，如果想要你的一千萬個(gè)數(shù)據(jù)嚴(yán)格服從正態(tài)分布，那么先確定這個(gè)分布的數(shù)據(jù)，也就是均值和方差，N(u,o)，這里均值 u=50，方差 o 由你確定，根據(jù)正態(tài)分布概率密度函數(shù)，對(duì)于每一個(gè) 1~100 之間的整數(shù) x，都可以確定它出現(xiàn)的概率 f(x)：

正態(tài)分布概率密度函數(shù)

而共有 10 000 000 個(gè)數(shù)字，那么 10000000*f(x) 就是 x 出現(xiàn)的頻率。

因此，使用一個(gè) 101 元素的數(shù)組 freq[] 存放這些數(shù)出現(xiàn)的頻率，用 f(x)*10000000 逐個(gè)計(jì)算數(shù)組元素，也就是 x 應(yīng)該出現(xiàn)的次數(shù)，假如說 2 一共會(huì)出現(xiàn) 3 次，那么 freq[2]=3，計(jì)算出之后放在那里，作為一個(gè)參照。再初始化一個(gè)全為 0 的 100 個(gè)元素的數(shù)組 sam[]，記錄每個(gè)數(shù)字已經(jīng)出現(xiàn)的次數(shù)。之后開始從 1~100 隨機(jī)，每隨機(jī)一個(gè)數(shù)字 x 都給 sam[x] 加1，再和 freq[x] 比較，如果超出了 freq[x] 就說明這個(gè)數(shù)字已經(jīng)不能再出現(xiàn)了，將其舍棄。記錄隨機(jī)成功的次數(shù)，達(dá)到了 10000000 次即可。

python 怎么求標(biāo)準(zhǔn)正態(tài)分布某個(gè)值

示例：

1、from numpy import *;

2、def rand_Matrix():

3、randArr=random.randn(2,3);

4、randMat=mat(randArr);

5、return randMat;

一種結(jié)果如下:

1、matrix([[ 0.3150869 , -0.02041996, -0.15361071],

2、[-0.75507988,? 0.80393683, -0.31790917]])

擴(kuò)展資料

Python正態(tài)分布概率計(jì)算方法：

def st_norm(u):

'''標(biāo)準(zhǔn)正態(tài)分布'''

import math

x=abs(u)/math.sqrt(2)

T=(0.0705230784,0.0422820123,0.0092705272,

0.0001520143,0.0002765672,0.0000430638)

E=1-pow((1+sum([a*pow(x,(i+1))

for i,a in enumerate(T)])),-16)

p=0.5-0.5*E if u0 else 0.5+0.5*E

return(p)

def norm(a,sigma,x):

'''一般正態(tài)分布'''

u=(x-a)/sigma

return(st_norm(u))

while 1:

'''輸入一個(gè)數(shù)時(shí)默認(rèn)為標(biāo)準(zhǔn)正態(tài)分布

輸入三個(gè)數(shù)(空格隔開)時(shí)分別為期望、方差、x

輸入 stop 停止'''

S=input('please input the parameters:\n')

if S=='stop':break

try:

L=[float(s) for s in S.split()]

except:

print('Input error!')

continue

if len(L)==1:

print('f(x)=%.5f'%st_norm(L[0]))

elif len(L)==3:

print('f(x)=%.5f'%norm(L[0],L[1],L[2]))

else:

print('Input error!')

用python求出正態(tài)分布1.6對(duì)應(yīng)的百分位數(shù)的函數(shù)是什么

正態(tài)分布最早是由一位數(shù)學(xué)家從二項(xiàng)分布在n趨近于無窮大時(shí)的近似而推導(dǎo)出來的。 二項(xiàng)分布的概率密度C(m,n)*p^m*(1-p)^(n-m)，考慮此函數(shù)在n趨近于無窮大，m在n/2附近時(shí)的近似。 求近似時(shí)，關(guān)鍵的一步是用斯特靈公式：N!約等于N的N次方乘以根號(hào)下2πN再除以e的N次方，當(dāng)N非常大時(shí)。在具體推導(dǎo)中，對(duì)于n，n-m，m都可以適用此近似。 另一個(gè)關(guān)鍵步驟是，推導(dǎo)中用d^2=np(1-p)來代換，也就是說，二項(xiàng)分布的分散，對(duì)于二項(xiàng)分布的近似，仍然是一個(gè)有意義的有限的值。

新聞標(biāo)題：python正態(tài)函數(shù)寫法 python函數(shù)的寫法
瀏覽路徑：http://chinadenli.net/article4/dodopie.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信公眾號(hào)、小程序開發(fā)、品牌網(wǎng)站設(shè)計(jì)、網(wǎng)站收錄、全網(wǎng)營(yíng)銷推廣、企業(yè)網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)