توزیع داده نرمال

از ویکی‌کد، دانشنامهٔ برنامه‌نویسی
پرش به ناوبری پرش به جستجو
Main Page Tutorial
Python-menu.png
موارد آموزشی
مدیریت فایل
یادگیری ماشین
۱شروع کار
۲میانگین، میانه، مُد
۳انحراف استاندارد
۴صدک
۵توزیع داده
۶توزیع داده نرمال
۷نمودار پراکندگی
۸رگرسیون خطی
۹رگرسیون چند جمله‌ای
۱۰رگرسیون چندگانه
۱۱مقیاس
۱۲آموزش / تست
۱۳درخت تصمیم
MySQL در پایتون
MongoDB در پایتون
مرجع پایتون
مرجع ماژول
چگونه در پایتون؟
مثال‌های پایتون

در بخش قبلی در مورد نحوه ایجاد آرایه تصادفی، به اندازه دلخواه، و بین دو مقدار داده شده بطور کامل آموختیم.[۱]

در این بخش در مورد نحوه ایجاد آرایه ای که در آن مقدارها در اطراف یک مقدار داده شده متمرکر هستند خواهیم آموخت.

در نظریه احتمال این نوع توزیع داده، توزیع داده نرمال نامیده می‌شود یا توزیع داده گاوسی (به انگلیسی: Gaussian)، به یاد ریاضیدان کارل فردریش گاوس که فرمول این توزیع را ارائه داده‌است.

مثال

توزیع داده نرمال عادی:

1 import numpy
2 import matplotlib.pyplot as plt
3 
4 x = numpy.random.normal(5.0, 1.0, 100000)
5 
6 plt.hist(x, 100)
7 plt.show()

نتیجه


مشاهدهٔ نتیجه


توجه: گراف (نمودار) توزیع نرمال بعنوان منحی زنگی شکل (به انگلیسی: bell curve) شناخته می‌شود به دلیل این‌که شکل آن شبیه زنگ است.

توضیح هیستوگرام

از آرایهٔ متد numpy.random.normal() با ۱۰۰۰۰۰ مقدار برای طراحی هیستوگرام یا ۱۰۰ ستون استفاده می‌کنیم.

تعیین می‌کنیم که مقدار میانگین برابر با ۵٫۰ و انحراف استاندارد برابر با ۱٫۰ است.

یعنی مقدارها باید در اطراف ۵٫۰ متمرکز باشند و به ندرت دور تر از ۱٫۰ از میانگین باشند.

و همان‌طور که در هیستوگرام می‌بینید، اکثر مقدارها بین ۴٫۰ و ۶٫۰ هستند با بالاترین مقدار در حدود ۵٫۰.


منابع آموزشی