Нормальная функция плотности вероятности

В этом упражнении вы исследуете нормальную функцию плотности вероятности и научитесь строить график функции плотности для известного распределения методами статистического моделирования. В частности, вы построите нормальную функцию плотности вероятности для различных значений дисперсии.

Это упражнение является частью курса

Статистическое мышление на Python (часть 1)

Посмотреть курс

Инструкции к упражнению

Сгенерируйте 100 000 выборок из нормального распределения со средним значением 20 и стандартным отклонением 1. Повторите то же самое для нормальных распределений со стандартными отклонениями 3 и 10, оставив среднее значение равным 20. Присвойте результаты переменным samples_std1, samples_std3 и samples_std10 соответственно.
Постройте гистограмму для каждой выборки: используйте 100 столбцов, а также именованные аргументы density=True и histtype='step'. Последний аргумент придаёт графику вид, близкий к теоретической кривой плотности вероятности. Вам потребуется выполнить 3 вызова plt.hist().
Нажмите «Отправить ответ», чтобы добавить легенду с указанием использованных стандартных отклонений и отобразить график. Подписывать оси не нужно: мы не определяем, что именно описывает нормальное распределение, — нас интересует лишь форма функций плотности вероятности.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# 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()

Редактировать и запускать код