Den normala KDF:en

Nu när du har en känsla för hur den normala PDF:en ser ut, är det dags att titta på dess KDF. Använd de sampel du genererade i föregående övning (tillgängliga i ditt namnrymd som samples_std1, samples_std3 och samples_std10) för att generera och rita KDF:erna.

Den här övningen är en del av kursen

Statistiskt tänkande i Python (del 1)

Visa kurs

Övningsinstruktioner

Använd din ecdf()-funktion för att generera x- och y-värden för KDF:erna: x_std1, y_std1, x_std3, y_std3 respektive x_std10, y_std10.
Rita alla tre KDF:er som punkter (glöm inte nyckelordsargumenten marker och linestyle!).
Klicka på Skicka in svar för att lägga till en legend som visar vilka standardavvikelser du använde, och för att visa diagrammet. Det finns ingen anledning att märka axlarna, eftersom vi inte har definierat vad normalfördelningen beskriver – vi tittar bara på KDF:ernas form.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Generate CDFs




# Plot CDFs



# Make a legend and show the plot
_ = plt.legend(('std = 1', 'std = 3', 'std = 10'), loc='lower right')
plt.show()

Redigera och kör kod