CDF của phân phối Normal
Giờ khi bạn đã quen với hình dạng của PDF phân phối Normal, hãy xem xét CDF của nó. Dùng các mẫu bạn đã tạo ở bài tập trước (đang có trong namespace của bạn là samples_std1, samples_std3, và samples_std10), hãy tạo và vẽ các CDF.
Bài tập này là một phần của khóa học
Tư duy Thống kê với Python (Phần 1)
Hướng dẫn bài tập
- Dùng hàm
ecdf()của bạn để tạo các giá trị x và y cho CDF: lần lượt làx_std1, y_std1,x_std3, y_std3vàx_std10, y_std10. - Vẽ cả ba CDF dưới dạng các chấm (đừng quên các đối số từ khóa
markervàlinestyle!). - Nhấn submit để tạo chú giải (legend), hiển thị các độ lệch chuẩn bạn đã dùng, và để hiển thị biểu đồ. Không cần gắn nhãn trục vì ta chưa xác định biến nào được mô tả bởi phân phối Normal; ta chỉ đang quan sát hình dạng của các CDF.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Generate CDFs
# Plot CDFs
# Make a legend and show the plot
_ = plt.legend(('std = 1', 'std = 3', 'std = 10'), loc='lower right')
plt.show()