用Python学分析

正态分布（Normal Distribution）

1、正态分布是一种连续分布，其函数可以在实线上的任何地方取值。

2、正态分布由两个参数描述：分布的平均值μ和方差σ² 。

3、正态分布的取值可以从负无穷到正无穷。

3、Z-score 是非标准正态分布标准化后的x 即 z = （x−μ） / σ

#显示标准正态分布曲线图

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

mu = 0 # mean
sigma = 1 # standart deviation
x = np.arange(-5, 5, 0.1)
y = stats.norm.pdf(x, 0, 1)
print('Chart 1:')
plt.plot(x, y)
plt.title('Normal: $mu$ = {0:.1f}, $sigma^2$ = {1:0.1f}'.format(mu, sigma))
plt.xlabel('x')
plt.ylabel('Probability density') # probobility of observing each of these observations
plt.show()

标准正态分布表

表头的横向表示小数点后第二位，表头的纵向则为整数部分以及小数点后第一位；两者联合作为完整的x，坐标轴的横轴

# 显示标准正态分布表格

import numpy as np
from scipy.stats import norm

n = 100
x = np.arange(0, 0.1, 0.01)
y = np.arange(0, 3.1, 0.1)
print('z表       ', end = '')
for j in x:
    print( str(j), end='    ')
print()
for i in y:
    print( i , end = ':   ')
    for j in x:
        z = norm.cdf(j+i)
        print('{0:.4f}'.format(z), end = '  ')
    print('')