توزیع داده‌های نرمال
در فصل قبلی یاد گرفتیم چگونه یک آرایه کاملاً تصادفی با اندازه‌ای معین و بین دو مقدار مشخص ایجاد کنیم.
در این فصل یاد می‌گیریم که چگونه یک آرایه ایجاد کنیم که مقادیر آن حول یک مقدار مشخص متمرکز شده باشند.
در نظریه احتمالات، این نوع توزیع داده به عنوان توزیع داده‌های نرمال یا توزیع گاوسی شناخته می‌شود. این نام پس از ریاضیدان Carl Friedrich Gauss که فرمول این توزیع داده را ارائه داد، به این توزیع داده‌ها اختصاص داده شده است.
مثال
یک توزیع داده نرمال معمولی:
import numpy
import matplotlib.pyplot as plt
x = numpy.random.normal(5.0, 1.0, 100000)
plt.hist(x, 100)
plt.show()
توضیح هیستوگرام
ما از آرایه تولید شده توسط متد numpy.random.normal() با 100000 مقدار استفاده می‌کنیم تا یک هیستوگرام با 100 ستون رسم کنیم.
ما مشخص می‌کنیم که مقدار میانگین برابر با 5.0 و انحراف معیار برابر با 1.0 باشد.
این به این معنی است که مقادیر باید حول 5.0 متمرکز شوند و به ندرت بیشتر از 1.0 از میانگین فاصله داشته باشند.
همانطور که از هیستوگرام مشاهده می‌کنید، بیشتر مقادیر بین 4.0 و 6.0 هستند و بیشترین مقدار در حدود 5.0 قرار دارد.
نکته: نمودار توزیع نرمال به دلیل شکل خاصی که شبیه زنگوله است، به عنوان منحنی زنگوله‌ای نیز شناخته می‌شود.
برای ارسال نظر لطفا ابتدا وارد حساب کاربری خود شوید. صفحه ورود و ثبت نام