正态分布图怎么做

制作一个正态分布图（Normal Distribution Plot）通常是指绘制正态分布的概率密度函数（PDF），或者绘制正态分布的累积分布函数（CDF）。以下是两种常见方式的详细步骤：

✅ 一、绘制正态分布的概率密度函数（PDF）（正态分布曲线）

✅ 1. 定义正态分布参数

正态分布由两个参数决定：

• μ（均值）：位置参数
• σ（标准差）：尺度参数

✅ 2. 使用 Python 绘制 PDF

使用 matplotlib 和 scipy.stats.norm 可以轻松绘制正态分布的 PDF。

示例代码（Python）：

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import norm

# 设置参数
mu = 0
sigma = 1

# 生成 x 值
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 1000)

# 计算 PDF
pdf = norm.pdf(x, mu, sigma)

# 绘图
plt.figure(figsize=(10, 6))
plt.plot(x, pdf, label=f'N(μ={mu}, σ={sigma})')
plt.title('Normal Distribution PDF')
plt.xlabel('x')
plt.ylabel('Probability Density')
plt.legend()
plt.grid(True)
plt.show()

输出：

• 一个正态分布的曲线，显示概率密度随 x 变化的情况。

✅ 二、绘制正态分布的累积分布函数（CDF）（累积分布曲线）

✅ 1. 定义正态分布参数

同上，定义 μ 和 σ。

✅ 2. 使用 Python 绘制 CDF

使用 scipy.stats.norm.cdf 可以计算 CDF。

示例代码（Python）：

import matplotlib.pyplot as plt
import numpy as np
from scipy.stats import norm

# 设置参数
mu = 0
sigma = 1

# 生成 x 值
x = np.linspace(mu - 3*sigma, mu + 3*sigma, 1000)

# 计算 CDF
cdf = norm.cdf(x, mu, sigma)

# 绘图
plt.figure(figsize=(10, 6))
plt.plot(x, cdf, label=f'N(μ={mu}, σ={sigma})')
plt.title('Normal Distribution CDF')
plt.xlabel('x')
plt.ylabel('Cumulative Probability')
plt.legend()
plt.grid(True)
plt.show()

输出：

• 一个正态分布的累积概率曲线，显示从左到右的累积概率。