Hàm mật độ xác suất Chuẩn (Normal PDF)
Trong bài này, bạn sẽ khám phá Normal PDF và học cách vẽ PDF của một phân phối đã biết bằng hacker statistics. Cụ thể, bạn sẽ vẽ Normal PDF với nhiều giá trị phương sai khác nhau.
Bài tập này là một phần của khóa học
Tư duy Thống kê với Python (Phần 1)
Hướng dẫn bài tập
- Rút 100.000 mẫu từ một phân phối Chuẩn có trung bình
20và độ lệch chuẩn1. Làm tương tự cho các phân phối Chuẩn có độ lệch chuẩn3và10, mỗi phân phối vẫn có trung bình20. Gán kết quả lần lượt vàosamples_std1,samples_std3vàsamples_std10. - Vẽ biểu đồ tần suất cho từng bộ mẫu; với mỗi bộ, dùng 100 bins, đồng thời đặt các đối số từ khóa
density=Truevàhisttype='step'. Đối số từ khóa sau giúp đồ thị trông giống với PDF lý thuyết mượt mà. Bạn sẽ cần gọiplt.hist()3 lần. - Nhấn submit để tạo chú giải (legend), hiển thị các độ lệch chuẩn bạn đã dùng, và hiển thị biểu đồ! Không cần gắn nhãn trục vì ta chưa xác định đại lượng nào được mô tả bởi phân phối Chuẩn; ta chỉ đang quan sát hình dạng của các PDF.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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()