توزیع عادی داده ها(Normal Data Distribution)



در فصل قبل یاد گرفتیم که چگونه یک آرایه کاملا تصادفی با اندازه معین و بین دو مقدار داده شده ایجاد کنیم.



در این فصل، نحوه ایجاد یک آرایه را که در آن مقادیر حول یک مقدار معین متمرکز شوند، یاد خواهیم گرفت.



در نظریه احتمال این نوع توزیع داده به عنوان نرمال شناخته می شود
توزیع داده یا توزیع داده گاوسی، پس از ریاضیدان
کارل فردریش گاوس که فرمول این توزیع داده را ارائه کرد.




مثال


A typical normal data distribution:



import numpy
import matplotlib.pyplot as plt

x =
numpy.random.normal(5.0, 1.0, 100000)

plt.hist(x, 100)
plt.show()


Result:








توجه: یک نمودار توزیع نرمال نیز به عنوان نمودار شناخته می شود
منحنی زنگ به دلیل شکل مشخص یک زنگ.




هیستوگرام توضیح داده شد



ما از آرایه numpy.random.normal() استفاده می کنیم
روش، با 100000 مقدار، برای رسم هیستوگرام با 100 میله.



ما مشخص می‌کنیم که مقدار میانگین 5.0 و انحراف استاندارد 1.0 است.


به این معنی که مقادیر باید در حدود 5.0 متمرکز شوند و به ندرت بیشتر از آن
فاصله بیش از 1.0 از میانگین.


و همانطور که از هیستوگرام می بینید، بیشتر مقادیر بین 4.0 و 6.0 هستند،
با حداکثر 5.0.