- 0
- 0
- 0
- 0
Actualizado el 17 de julio de 2024, por Luis Benites.
Puede generar rápidamente una distribución normal en Python utilizando la función numpy.random.normal () , que utiliza la siguiente sintaxis:
numpy. al azar . normal (loc = 0.0, escala = 1.0, tamaño = Ninguno)
dónde:
- loc: Media de la distribución. El valor predeterminado es 0.
- escala: Desviación estándar de la distribución. El valor predeterminado es 1.
- tamaño: tamaño de la muestra.
Este tutorial muestra un ejemplo de cómo usar esta función para generar una distribución normal en Python.
Relacionado Cómo hacer una curva de campana en Python
Ejemplo: generar una distribución normal en Python
El siguiente código muestra cómo generar una distribución normal en Python:
de numpy. semilla de importación aleatoria de numpy. importación aleatoria normal #Haga que este ejemplo sea reproducible semilla (1) #generar muestra de 200 valores que siguen una distribución normal datos = normal (loc = 0, escala = 1, tamaño = 200) #ver datos de los primeros seis valores [0: 5] matriz ([1.62434536, -0.61175641, -0.52817175, -1.07296862, 0.86540763])
Podemos encontrar rápidamente la desviación estándar y media de esta distribución:
importar numpy como np #find media de la muestra notario público. media (datos) 0.1066888148479486 # encontrar la desviación estándar de la muestra notario público. std (datos, ddof = 1 ) 0.9123296653173484
También podemos crear un histograma rápido para visualizar la distribución de valores de datos:
importar matplotlib. pyplot como plt count, bins, ignored = plt. hist (datos, 30) plt. mostrar ()
Incluso podemos realizar una prueba de Shapiro-Wilk para ver si el conjunto de datos proviene de una población normal:
de scipy. estadísticas de importación shapiro # realizar la prueba Shapiro-Wilk shapiro (datos) ShapiroResult (estadístico = 0.9958659410, pvalue = 0.8669294714)
El valor p de la prueba resulta ser 0,8669 . Dado que este valor no es menor que .05, podemos asumir que los datos de la muestra provienen de una población que se distribuye normalmente.
Este resultado no debería sorprender, ya que generamos los datos utilizando la función numpy.random.normal () , que genera una muestra aleatoria de datos que proviene de una distribución normal.
- https://r-project.org
- https://www.python.org/
- https://www.stata.com/
Redactor del artículo
¿Te hemos ayudado?
Ayudanos ahora tú, dejanos un comentario de agradecimiento, nos ayuda a motivarnos y si te es viable puedes hacer una donación:La ayuda no cuesta nada
Por otro lado te rogamos que compartas nuestro sitio con tus amigos, compañeros de clase y colegas, la educación de calidad y gratuita debe ser difundida, recuerdalo:
