Python数据可视化实现正态分布（高斯分布）

正态分布（Normal distribution）又成为高斯分布（Gaussian distribution）

若随机变量X服从一个数学期望为、标准方差为的高斯分布，记为：

则其概率密度函数为：

正态分布的期望值决定了其位置，其标准差决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是的正态分布：

概率密度函数

代码实现：

# Python实现正态分布
 # 绘制正态分布概率密度函数
 u = 0  # 均值μ
 u01 = -2
 sig = math.sqrt(0.2) # 标准差δ
 sig01 = math.sqrt(1)
 sig02 = math.sqrt(5)
 sig_u01 = math.sqrt(0.5)
 x = np.linspace(u - 3*sig, u + 3*sig, 50)
 x_01 = np.linspace(u - 6 * sig, u + 6 * sig, 50)
 x_02 = np.linspace(u - 10 * sig, u + 10 * sig, 50)
 x_u01 = np.linspace(u - 10 * sig, u + 1 * sig, 50)
 y_sig = np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig)
 y_sig01 = np.exp(-(x_01 - u) ** 2 /(2* sig01 **2))/(math.sqrt(2*math.pi)*sig01)
 y_sig02 = np.exp(-(x_02 - u) ** 2 / (2 * sig02 ** 2)) / (math.sqrt(2 * math.pi) * sig02)
 y_sig_u01 = np.exp(-(x_u01 - u01) ** 2 / (2 * sig_u01 ** 2)) / (math.sqrt(2 * math.pi) * sig_u01)
 plt.plot(x, y_sig, "r-", linewidth=2)
 plt.plot(x_01, y_sig01, "g-", linewidth=2)
 plt.plot(x_02, y_sig02, "b-", linewidth=2)
 plt.plot(x_u01, y_sig_u01, "m-", linewidth=2)
 # plt.plot(x, y, 'r-', x, y, 'go', linewidth=2,markersize=8)
 plt.grid(True)
 plt.show()

来源：https://blog.csdn.net/kevinelstri/article/details/52679150