如何使用平均值和标准差参数值(μ,σ)=(-1,1),(0,2)和(2,3)来绘制1维高斯分布函数的图?
我是使用Python编程的新手。
提前谢谢!
答案 0 :(得分:31)
使用优秀的matplotlib
和numpy
套餐
from matplotlib import pyplot as mp
import numpy as np
def gaussian(x, mu, sig):
return np.exp(-np.power(x - mu, 2.) / (2 * np.power(sig, 2.)))
x_values = np.linspace(-3, 3, 120)
for mu, sig in [(-1, 1), (0, 2), (2, 3)]:
mp.plot(x_values, gaussian(x_values, mu, sig))
mp.show()
答案 1 :(得分:11)
您可以阅读本教程,了解如何在python中使用统计分布函数。 http://docs.scipy.org/doc/scipy/reference/tutorial/stats.html
from scipy.stats import norm
import matplotlib.pyplot as plt
import numpy as np
#initialize a normal distribution with frozen in mean=-1, std. dev.= 1
rv = norm(loc = -1., scale = 1.0)
rv1 = norm(loc = 0., scale = 2.0)
rv2 = norm(loc = 2., scale = 3.0)
x = np.arange(-10, 10, .1)
#plot the pdfs of these normal distributions
plt.plot(x, rv.pdf(x), x, rv1.pdf(x), x, rv2.pdf(x))
答案 2 :(得分:8)
基于原始语法并正确规范化的正确表单是:
def gaussian(x, mu, sig):
return 1./(sqrt(2.*pi)*sig)*np.exp(-np.power((x - mu)/sig, 2.)/2)
答案 3 :(得分:7)
除了之前的答案,我建议首先计算指数中的比率,然后取平方:
def gaussian(x,x0,sigma):
return np.exp(-np.power((x - x0)/sigma, 2.)/2.)
这样,您还可以计算非常小或非常大的高斯数:
In: gaussian(1e-12,5e-12,3e-12)
Out: 0.64118038842995462
答案 4 :(得分:6)
你在gaussian()函数的分母中缺少一个parantheses。就像现在一样,你除以2并乘以方差(sig ^ 2)。但事实并非如此,你可以看到你的情节越大,高斯越窄 - 这是错误的,它应该是对立的。
所以只需将gaussian()函数更改为:
def gaussian(x, mu, sig):
return np.exp(-np.power(x - mu, 2.) / (2 * np.power(sig, 2.)))