求 标准正态分布值 python 怎么求标准正态分布某个值
\u600e\u4e48\u770b\u6807\u51c6\u6b63\u6001\u5206\u5e03\u66f2\u7ebf\u4e0b\u7684\u9762\u79ef\u8868\u4e00\u3001\u6b63\u6001\u5206\u5e03\u66f2\u7ebf\u4e0b\u7684\u9762\u79ef\u5206\u5e03\u89c4\u5f8b\u4e3a\uff1a\u65e0\u8bba\u03bc\uff0c\u03c3\u53d6\u4ec0\u4e48\u503c\uff0c\u6b63\u6001\u66f2\u7ebf\u4e0e\u6a2a\u8f74\u95f4\u7684\u9762\u79ef\u603b\u7b49\u4e8e1\u3002\u5728\u03bc\u00b1\u03c3\u8303\u56f4\u5185\uff0c\u5373\u03bc\uff0d\u03c3\uff5e\u03bc\uff0b\u03c3\u8303\u56f4\u5185\u66f2\u7ebf\u4e0b\u7684\u9762\u79ef\u7b49\u4e8e0.6827
\u4e8c\u3001\u6240\u8c13\u7684\u6b63\u6001\u5206\u5e03\u8868\u90fd\u662f\u6807\u51c6\u6b63\u6001\u5206\u5e03\u8868(n(0,1)\uff0c\u901a\u8fc7\u67e5\u627e\u5b9e\u6570x\u7684\u4f4d\u7f6e\uff0c\u4ece\u800c\u5f97\u5230p(z<=x)\u3002\u8868\u7684\u7eb5\u5411\u4ee3\u8868x\u7684\u6574\u6570\u90e8\u5206\u548c\u5c0f\u6570\u70b9\u540e\u7b2c\u4e00\u4f4d\uff0c\u6a2a\u5411\u4ee3\u8868x\u7684\u5c0f\u6570\u70b9\u540e\u7b2c\u4e8c\u4f4d\uff0c\u7136\u540e\u5c31\u627e\u5230\u4e86x\u7684\u4f4d\u7f6e\u3002
\u4e09\u3001\u5c06\u672a\u77e5\u91cfZ\u5bf9\u5e94\u7684\u5217\u4e0a\u7684\u6570 \u4e0e \u884c\u6240\u5bf9\u5e94\u7684\u6570\u5b57 \u7ed3\u5408 \u67e5\u8868\u5b9a\u4f4d\uff0c\u4f8b\u5982 \u8981\u67e5Z=1.96\u7684\u6807\u51c6\u6b63\u6001\u5206\u5e03\u8868 \u3002\u9996\u5148 \u5728Z\u4e0b\u9762\u5bf9\u5e94\u7684\u6570\u627e\u52301.9\uff0c \u5728Z\u53f3\u8fb9\u7684\u884c\u4e2d\u627e\u52306\uff0c\u8fd9\u4e24\u4e2a\u6570\u6240\u5bf9\u5e94\u7684\u503c\u4e3a 0.9750 \u5373\u4e3a\u6240\u67e5\u7684\u503c
\u5bf9\u4e8e\u6807\u51c6\u6b63\u6001\u5206\u5e03\u6765\u8bf4\uff0c\u5b58\u5728\u4e00\u5f20\u8868\uff0c\u79f0\u4e3a\uff1a\u6807\u51c6\u6b63\u6001\u5206\u5e03\u8868\u5982\u4e0b\u56fe\u793a
\u6269\u5c55\u8d44\u6599
\u6b63\u6001\u5206\u5e03\uff08Normal distribution\uff09\uff0c\u4e5f\u79f0\u201c\u5e38\u6001\u5206\u5e03\u201d\uff0c\u53c8\u540d\u9ad8\u65af\u5206\u5e03\uff08Gaussian distribution\uff09\uff0c\u6700\u65e9\u7531A.\u68e3\u83ab\u5f17\u5728\u6c42\u4e8c\u9879\u5206\u5e03\u7684\u6e10\u8fd1\u516c\u5f0f\u4e2d\u5f97\u5230\u3002C.F.\u9ad8\u65af\u5728\u7814\u7a76\u6d4b\u91cf\u8bef\u5dee\u65f6\u4ece\u53e6\u4e00\u4e2a\u89d2\u5ea6\u5bfc\u51fa\u4e86\u5b83\u3002P.S.\u62c9\u666e\u62c9\u65af\u548c\u9ad8\u65af\u7814\u7a76\u4e86\u5b83\u7684\u6027\u8d28\u3002\u662f\u4e00\u4e2a\u5728\u6570\u5b66\u3001\u7269\u7406\u53ca\u5de5\u7a0b\u7b49\u9886\u57df\u90fd\u975e\u5e38\u91cd\u8981\u7684\u6982\u7387\u5206\u5e03\uff0c\u5728\u7edf\u8ba1\u5b66\u7684\u8bb8\u591a\u65b9\u9762\u6709\u7740\u91cd\u5927\u7684\u5f71\u54cd\u529b\u3002
\u6b63\u6001\u66f2\u7ebf\u5448\u949f\u578b\uff0c\u4e24\u5934\u4f4e\uff0c\u4e2d\u95f4\u9ad8\uff0c\u5de6\u53f3\u5bf9\u79f0\u56e0\u5176\u66f2\u7ebf\u5448\u949f\u5f62\uff0c\u56e0\u6b64\u4eba\u4eec\u53c8\u7ecf\u5e38\u79f0\u4e4b\u4e3a\u949f\u5f62\u66f2\u7ebf\u3002
\u82e5\u968f\u673a\u53d8\u91cfX\u670d\u4ece\u4e00\u4e2a\u6570\u5b66\u671f\u671b\u4e3a\u03bc\u3001\u65b9\u5dee\u4e3a\u03c3^2\u7684\u6b63\u6001\u5206\u5e03\uff0c\u8bb0\u4e3aN(\u03bc\uff0c\u03c3^2)\u3002\u5176\u6982\u7387\u5bc6\u5ea6\u51fd\u6570\u4e3a\u6b63\u6001\u5206\u5e03\u7684\u671f\u671b\u503c\u03bc\u51b3\u5b9a\u4e86\u5176\u4f4d\u7f6e\uff0c\u5176\u6807\u51c6\u5dee\u03c3\u51b3\u5b9a\u4e86\u5206\u5e03\u7684\u5e45\u5ea6\u3002\u5f53\u03bc = 0,\u03c3 = 1\u65f6\u7684\u6b63\u6001\u5206\u5e03\u662f\u6807\u51c6\u6b63\u6001\u5206\u5e03\u3002
\uff08\u53c2\u8003\u8d44\u6599 \u767e\u5ea6\u767e\u79d1 \u6b63\u6001\u5206\u5e03\uff09
\u793a\u4f8b\uff1a
1\u3001from numpy import *;
2\u3001def rand_Matrix():
3\u3001randArr=random.randn(2,3);
4\u3001randMat=mat(randArr);
5\u3001return randMat;
\u4e00\u79cd\u7ed3\u679c\u5982\u4e0b:
1\u3001matrix([[ 0.3150869 , -0.02041996, -0.15361071],
2\u3001[-0.75507988, 0.80393683, -0.31790917]])
\u6269\u5c55\u8d44\u6599
Python\u6b63\u6001\u5206\u5e03\u6982\u7387\u8ba1\u7b97\u65b9\u6cd5\uff1a
def st_norm(u):
'''\u6807\u51c6\u6b63\u6001\u5206\u5e03'''
import math
x=abs(u)/math.sqrt(2)
T=(0.0705230784,0.0422820123,0.0092705272,
0.0001520143,0.0002765672,0.0000430638)
E=1-pow((1+sum([a*pow(x,(i+1))
for i,a in enumerate(T)])),-16)
p=0.5-0.5*E if u<0 else 0.5+0.5*E
return(p)
def norm(a,sigma,x):
'''\u4e00\u822c\u6b63\u6001\u5206\u5e03'''
u=(x-a)/sigma
return(st_norm(u))
while 1:
'''\u8f93\u5165\u4e00\u4e2a\u6570\u65f6\u9ed8\u8ba4\u4e3a\u6807\u51c6\u6b63\u6001\u5206\u5e03
\u8f93\u5165\u4e09\u4e2a\u6570(\u7a7a\u683c\u9694\u5f00)\u65f6\u5206\u522b\u4e3a\u671f\u671b\u3001\u65b9\u5dee\u3001x
\u8f93\u5165 stop \u505c\u6b62'''
S=input('please input the parameters:\n')
if S=='stop':break
try:
L=[float(s) for s in S.split()]
except:
print('Input error!')
continue
if len(L)==1:
print('f(x)=%.5f'%st_norm(L[0]))
elif len(L)==3:
print('f(x)=%.5f'%norm(L[0],L[1],L[2]))
else:
print('Input error!')
(x-μ)/σ
，就一定是服从标准正态分布n(0,1)。举个具体的例子，一个量x，是非标准正态分布，期望是10，方差是5^2（即x~n(10,5^2)）；那么对于x的线性函数y=(x-10)/5，y就是服从标准正态分布的y~n(0,1)。
正态分布（normal
distribution）又名高斯分布（gaussiandistribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量x服从一个数学期望为μ、方差为σ^2的高斯分布，记为n(μ，σ^2)。其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ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μ
=
0,σ
=1的正态分布。
你可能漏掉了一个条件，就是大米的销售量符合某个正态分布，比如N(4500,300)
如果是这个条件，则1)（1）为1-phi（(4800-4500)/300）=1-phi(1)=1-0.8413(查标准正态分布表得)=0.1587
（2）为phi((4000-4500)/300)=phi(-5/3)=1-phi（5/3）＝1-0.9525=0.0475
(3)为Phi((5000-4500)/300)-Phi((3800-4500)/300)=phi(5/3)-phi(-7/3)=phi(5/3)-(1-phi(7/3))约=0.9525-(1-0.9903)=0.9428
扩展阅读：∮的对照表 ... matlab求标准正态分布值 ... 标准正态分布表完整图 ... 高中正态分布三个公式 ... 计算器求标准正态值 ... 正态分布三个特殊值 ... 标准正态分布φ(x)公式 ... 标准正态查询 x ... 标准正态分布 值计算器 ...
