PDF-ul distribuției Normale

În acest exercițiu, vei explora PDF-ul distribuției Normale și vei învăța o metodă de a reprezenta grafic PDF-ul unei distribuții cunoscute folosind statistici de tip hacker. Mai concret, vei reprezenta PDF-ul Normal pentru diferite valori ale varianței.

Acest exercițiu face parte din cursul

Gândire statistică în Python (Partea 1)

Vezi cursul

Instrucțiuni pentru exercițiu

Generează 100.000 de eșantioane dintr-o distribuție Normală cu media 20 și abaterea standard 1. Fă același lucru pentru distribuții Normale cu abaterile standard 3 și 10, fiecare cu media 20. Atribuie rezultatele variabilelor samples_std1, samples_std3 și, respectiv, samples_std10.
Reprezintă grafic histograma pentru fiecare set de eșantioane; pentru fiecare, folosește 100 de intervale (bins) și argumentele cheie density=True și histtype='step'. Ultimul argument face ca graficul să semene cu PDF-ul teoretic neted. Va trebui să faci 3 apeluri plt.hist().
Apasă Trimite răspunsul pentru a genera legenda, care arată ce abateri standard ai folosit, și afișează graficul! Nu este necesar să etichetezi axele, deoarece nu am definit ce descrie distribuția Normală; ne uităm doar la formele PDF-urilor.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# 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()

Editează și rulează codul