การแจกแจงแบบปกติ

พื้นฐานความน่าจะเป็นด้วย Python

Alexander A. Ramírez M.

CEO @ Synergy Vision

การสร้างโมเดลสำหรับข้อมูลการวัด

ตัวอย่างการวัดที่อาจใช้การแจกแจงแบบปกติได้

ฟังก์ชันความหนาแน่นของความน่าจะเป็นแบบปกติสำหรับความสูงของชายและหญิง

ฟังก์ชันความหนาแน่นของความน่าจะเป็นแบบปกติมาตรฐาน

$$ $$ ฟังก์ชันความหนาแน่นของความน่าจะเป็นแบบปกติมาตรฐานที่ -1

$$ $$ ฟังก์ชันความหนาแน่นของความน่าจะเป็นแบบปกติมาตรฐานที่ 0

$$ $$ ความหนาแน่นของความน่าจะเป็นแบบปกติมาตรฐาน

$$ $$ ความน่าจะเป็นแบบปกติมาตรฐานในรูปแบบพื้นที่

รูปทรงสมมาตรของฟังก์ชันความหนาแน่นแบบปกติ

ค่าเฉลี่ยจากฟังก์ชันความหนาแน่นแบบปกติ

ฟังก์ชันความหนาแน่นแบบปกติที่มีค่าเฉลี่ย 1

ฟังก์ชันความหนาแน่นแบบปกติที่มีค่าเฉลี่ย -2

ฟังก์ชันความหนาแน่นแบบปกติที่มีส่วนเบี่ยงเบนมาตรฐาน 0.64

ฟังก์ชันความหนาแน่นแบบปกติที่มีส่วนเบี่ยงเบนมาตรฐาน 1

ฟังก์ชันความหนาแน่นแบบปกติที่มีส่วนเบี่ยงเบนมาตรฐาน 2

กราฟแสดงความน่าจะเป็นในช่วง 1 ส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย

กราฟแสดงความน่าจะเป็นในช่วง 2 ส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย

กราฟแสดงความน่าจะเป็นในช่วง 3 ส่วนเบี่ยงเบนมาตรฐานจากค่าเฉลี่ย

# Import norm, matplotlib.pyplot, and seaborn
from scipy.stats import norm
import matplotlib.pyplot as plt
import seaborn as sns

# Create the sample using norm.rvs()
sample = norm.rvs(loc=0, scale=1, size=10000, random_state=13)

# Plot the sample
sns.distplot(sample)
plt.show()

กราฟความหนาแน่นของความน่าจะเป็นจากตัวอย่าง

พื้นฐานความน่าจะเป็นด้วย Python