正态分布
用来计算连续变量的发生率,说的很抽象,简单说就是单独拿出来没什么太大用,但并不是说这个没什么用,相反这个太重要了,这玩意能让你看清世界的真相 先看个图,像这样的线性就是正太分布 正太分布有4个特点 ????? 呈钟形分布,是对称的 ????? 分布的集中趋势(均值、中位数、众数)都一样 ????? 中间最高的部分等于1.3倍的标准差 ????? 随机变量分布区间无限制 模型函数f(X) = (1/2πσ^0.5)*e^(-(1/2)*(((X-μ)/σ)^2)),e是自然常数,已经说过了这次略过,μ是总体均值,可以用函数算出,σ是总体标准差,也可以用函数算出,X则是随机变量 一个标准正太分布函数的μ = 0,σ = 1,这个看起来有点扯的事其实还是存在的 标准正态分布函数f(Z) = (1/2π)*e^(-1/2*Z^2) 这次牛逼了,一次写两个函数,来了
normal_fun(chance_x,case_list = [0],mean_num = 0,covar_num == 2.7182818= 3.1415926
len_fun(case_list) == 1 case_list[0] === (1 / (covar_num * ((2 * pal) ** 0.5))) * e ** ((0-0.5)*(((chance_x-mean_num)/covar_num) ** 2=== (1 / (covar_num * ((2 * pal) ** 0.5))) * e ** ((0-0.5)*(((chance_x-mean_num)/covar_num) ** 2 normal_num
函数说明:实际需要3个参数,随机变量、期望值、协方差,因此函数有两种用法 ==
case_list = [8,9,10,11,12= normal_fun(3,case_list =
normal_rate = normal_fun(3,covar_num = 1 normal_rate
第二种就是图中的标准正态分布函数,要求μ = 0,σ = 1,因此省略这两个传参
= 2.7182818= 3.1415926= (1 / ((2 * pal) ** 0.5)) * e ** ((0-0.5) * (chance_x ** 2 normal_num
本来想多写点什么的,可是感觉什么和这个都不搭,就把这个单独拎出来放这了 (编辑:李大同) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |