计算并绘制 [-1, 5] 区间内的理论正态分布 N(2, 1)答案

【问题标题】：Calculate and plot the theoretical normal distribution N(2, 1) in the interval of [-1, 5]计算并绘制 [-1, 5] 区间内的理论正态分布 N(2, 1)
【发布时间】：2018-07-11 21:09:37
【问题描述】：

我一直在给任务计算和绘制 [-1, 5] 区间内的正态分布 N(2, 1)

这是我尝试过的：

vec = np.random.norm(2, 1, 7);
ND = stats.norm(2, 1).pdf(vec)
x = np.arange(1, 6, 1)
plt.figure()
plt.plot(x, 'r')
plt.hist(ND)
plt.show()

您可能已经知道，这并没有给我想要的结果。

我这辈子都想不通。请注意，我是一名最近才开始使用 Python 编码的学生。

我被要求生成 np.random.normal 范围从 -1 到 5 的随机数。但是考虑到间隔从 -1 开始，我还没有理解如何做到这一点。

其次，我被要求使用 scipy.stats 中的 norm.pdf 函数，但我不理解有关此函数的文档 (https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.norm.html)

最后我必须绘制结果。

【问题讨论】：

欢迎来到 SO。不幸的是，这不是一个讨论论坛或教程服务。请花时间阅读How to Ask 和该页面上的其他链接。
@wwii 你介意推荐一个可以帮助我解决这个问题的论坛吗？
尝试使用新工具时，手册是一个很好的起点。花一些时间在文档上，并在此过程中进行试验。

标签： python numpy probability normal-distribution probability-density

【解决方案1】：

指定 N(2,1) 分布就是说您想要一个均值为 2 且方差（或标准差）为 1 的正态分布。在 scipy 术语中，均值等同于位置，标准差等同于比例。

要使用 matplotlib 绘制 pdf 图表，您可以在区间 [-1, 5] 上选择足够多的点来绘制视觉上平滑的图表。这就是linspace 的目的。对于这些点中的每一个，您可以使用norm.pdf 计算其 pdf。

from scipy.stats import norm
from matplotlib import pyplot as plt
import numpy as np

x = np.linspace(-1, 5, 100, endpoint=True)
pdf = [norm.pdf(_, loc=2, scale=1) for _ in x]

plt.plot(x, pdf, 'b-')
plt.show()

在这里我创建了一个大小为 10 的样本。我知道norm.rvs 会在整个实线上产生偏差；因此，为了获得所需间隔的偏差，我只需忽略该间隔之外的偏差。 'norm.rvs' 的每次调用都会产生一个长度为 1 的 numpy 'array'。为了获得好的结果，我只选择该数组中的第一项并将其附加到整个样本（如果它在所需的间隔内）。

sample_size = 10
sample = []
while len(sample)<sample_size:
    while True:
        deviate = norm.rvs(loc=2, scale=1, size=1)[0]
        if -1<=deviate<=5:
            break
    sample.append(deviate)
print (sample)

【讨论】：