python绘制拟合累积正态分布概率曲线

cc-Lucy

已于 2022-03-25 22:55:35 修改

阅读量6.6k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：数据处理文章标签： python 数据分析

于 2021-01-31 13:23:47 首次发布

本文链接：https://blog.youkuaiyun.com/cccssss333/article/details/113468341

数据处理专栏收录该内容

1 篇文章

订阅专栏

本文详细介绍了如何使用Python和Matplotlib库绘制累积正态分布概率曲线，并通过Scipy库实现数据拟合。通过实例展示了如何计算并展示正态分布的均值和方差参数。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python绘制拟合累积正态分布概率曲线

累积正态分布概率图，即正态分布函数的积分形式。其公式为：
在这里插入图片描述
去掉积分符号就是正态分布的公式。

以下是实现的代码。

// A code block
import numpy as  np
import matplotlib.pyplot as plt
from scipy.optimize import curve_fit
import scipy.stats as st
import math

#定义纵坐标值
Y1 =  [0, 0, 0, 0, 0.1, 0.1, 0.1, 0.3, 0.5, 0.5, 0.7, 0.7, 0.8, 0.8, 0.9, 0.9, 0.9, 1, 1, 1, 1, 1, 1, 1]
#定义横坐标值
X1 = np.arange(1,len(Y1)+1)

# 拟合函数表达式定义
# miu是正态分布均值，theta是正态分布方差
def func(x, miu, theta):    
    return st.norm.cdf((x-miu)/theta)

# 绘制数据散点图
plt.plot(X1, Y1, 'b*', label='data')
# 进行数据拟合
popt, pcov = curve_fit(func, X1,Y1)
# 输出拟合的函数参数值
print(popt)
# 绘制拟合函数
plt.plot(X1, func(X1, *popt), 'r-',
         label='fit: miu=%5.3f, theta=%5.3f' % tuple(popt))

输出结果如下所示：
在这里插入图片描述