Introduktion till normalfördelningen

Statistiskt tänkande i Python (del 1)

Justin Bois

Teaching Professor at the California Institute of Technology

Normalfördelningen

Beskriver en kontinuerlig variabel vars PDF har en enda symmetrisk topp.

Normalfördelningen

ch4-2.004.png

Normalfördelningen

ch4-2.005.png

Normalfördelningen

ch4-2.006.png

Normalfördelningen

ch4-2.007.png

Normalfördelningen

ch4-2.008.png

ch4-2.009.png

ch4-2.010.png

Jämföra data med en normal-PDF

ch4-2.012.png

Kontrollera normalitet hos Michelsons data

import numpy as np
rng = np.random.default_rng()

mean = np.mean(michelson_speed_of_light)
std = np.std(michelson_speed_of_light)

samples = rng.normal(mean, std, size=10000)
x, y = ecdf(michelson_speed_of_light)
x_theor, y_theor = ecdf(samples)

Kontrollera normalitet hos Michelsons data

import matplotlib.pyplot as plt
import seaborn as sns
sns.set()
_ = plt.plot(x_theor, y_theor)
_ = plt.plot(x, y, marker='.', linestyle='none')
_ = plt.xlabel('speed of light (km/s)')
_ = plt.ylabel('CDF')
plt.show()

Kontrollera normalitet hos Michelsons data

ch4-2.029.png

Nu kör vi en övning!

Statistiskt tänkande i Python (del 1)