Gráfico de distribución normal usando Numpy y Matplotlib

En este artículo, veremos cómo podemos crear un diagrama de distribución normal en python con el módulo numpy y matplotlib . 

¿Qué es la distribución normal?

La distribución normal es una función de probabilidad utilizada en estadísticas que informa sobre cómo se distribuyen los valores de los datos. Es la función de distribución de probabilidad más importante utilizada en estadística debido a sus ventajas en escenarios de casos reales. Por ejemplo, la altura de la población, el tamaño de los zapatos, el nivel de coeficiente intelectual, tirar un dado y muchos más.

En general, se observa que la distribución de datos es normal cuando hay una recopilación aleatoria de datos de fuentes independientes. El gráfico producido después de trazar el valor de la variable en el eje x y contar el valor en el eje y es un gráfico de curva en forma de campana. El gráfico significa que el punto máximo es la media del conjunto de datos y la mitad de los valores del conjunto de datos se encuentran en el lado izquierdo de la media y la otra mitad se encuentra en la parte derecha de la media, lo que indica la distribución de los valores. El gráfico es una distribución simétrica.
 

Módulos necesarios

entumecido

matplotlib

A continuación se muestran algunos programas que crean un gráfico de distribución normal utilizando el módulo Numpy y Matplotlib:

Ejemplo 1:

# importing numpy as np
import numpy as np
 
# importing pyplot as plt
import matplotlib.pyplot as plt
 
# position
pos = 100
# scale
scale = 5
 
# size
size = 100000
 
# creating a normal distribution data
values = np.random.normal(pos, scale, size)
 
# plotting histograph
plt.hist(values, 100)
 
# showing the graph
plt.show()

Producción : 
 

Ejemplo 2:

# importing numpy as np
import numpy as np
 
# importing pyplot as plt
import matplotlib.pyplot as plt
 
# position
pos = 0
 
# scale
scale = 10
 
# size
size = 10000
 
 
# random seed
np.random.seed(10)
 
# creating a normal distribution data
values = np.random.normal(pos, scale, size)
 
# plotting histograph
plt.hist(values, 100)
 
# plotting mean line
plt.axvline(values.mean(), color='k', linestyle='dashed', linewidth=2)
 
# showing the plot
plt.show()

Producción :