Die Normalverteilungs-PDF

In dieser Übung erkundest du die PDF der Normalverteilung und lernst außerdem, wie du mit Hacker-Statistik die PDF einer bekannten Verteilung zeichnen kannst. Konkret wirst du eine Normalverteilungs-PDF für verschiedene Varianzwerte plotten.

Diese Übung ist Teil des Kurses

Statistical Thinking in Python (Teil 1)

Kurs anzeigen

Anleitung zur Übung

Ziehe 100.000 Stichproben aus einer Normalverteilung mit einem Mittelwert von 20 und einer Standardabweichung von 1. Wiederhole das für Normalverteilungen mit den Standardabweichungen 3 und 10, jeweils weiterhin mit dem Mittelwert 20. Weise die Ergebnisse den Variablen samples_std1, samples_std3 und samples_std10 zu.
Erstelle für jede Stichprobe ein Histogramm; verwende jeweils 100 Bins sowie die Schlüsselwortargumente density=True und histtype='step'. Letzteres sorgt dafür, dass die Darstellung der glatten theoretischen PDF ähnelt. Du brauchst dafür 3 Aufrufe von plt.hist().
Klicke auf Antwort senden, um eine Legende zu erzeugen, die zeigt, welche Standardabweichungen du verwendet hast, und zeige deinen Plot! Eine Achsenbeschriftung ist nicht nötig, da wir nicht definiert haben, was durch die Normalverteilung beschrieben wird; wir betrachten hier nur die Formen von PDFs.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Draw 100000 samples from Normal distribution with stds of interest: samples_std1, samples_std3, samples_std10




# Make histograms




# Make a legend, set limits and show plot
_ = plt.legend(('std = 1', 'std = 3', 'std = 10'))
plt.ylim(-0.01, 0.42)
plt.show()

Code bearbeiten und ausführen