正态分布
接下来是最常见也最有用的分布之一：正态分布（又称 Gaussian 分布）。在幻灯片中，我们简要介绍了钟形曲线的形状，以及正态分布配合中心极限定理如何让我们能够进行假设检验。
与之前的练习类似，您将先模拟一些数据并查看其分布形状，然后更进一步，计算某些观测发生的概率。
本练习是课程的一部分
用 Python 练习统计学面试题
练习说明
- 使用
rvs()函数并将 size 设为 1000 生成该分布的数据；将结果赋给变量data。 - 显示一个
matplotlib直方图；观察分布的形状。 - 在标准化正态分布下，观测值大于 2 的概率是多少？
- 在"我们的"样本中，观测值大于 2 的概率是多少？
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Generate normal data
from scipy.stats import norm
data = norm.rvs(size=____)
# Plot distribution
plt.hist(____)
plt.show()
# Compute and print true probability for greater than 2
true_prob = 1 - norm.cdf(____)
print(____)
# Compute and print sample probability for greater than 2
sample_prob = sum(obs > ____ for obs in data) / len(____)
print(____)