python怎樣驗證中心極限定理

這篇文章給大家分享的是有關python怎樣驗證中心極限定理的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

企業(yè)建站必須是能夠以充分展現(xiàn)企業(yè)形象為主要目的，是企業(yè)文化與產(chǎn)品對外擴展宣傳的重要窗口，一個合格的網(wǎng)站不僅僅能為公司帶來巨大的互聯(lián)網(wǎng)上的收集和信息發(fā)布平臺，成都創(chuàng)新互聯(lián)公司面向各種領域：除甲醛等成都網(wǎng)站設計、全網(wǎng)營銷推廣解決方案、網(wǎng)站設計等建站排名服務。

python驗證中心極限定理的方法：首先模擬隨機擲色子1000次觀察一下平均值；然后模擬拋十次，并畫圖看看他們的分布情況；最后模擬1000組，每組拋50次，并取每一組的平均值看分布情況。

python驗證中心極限定理的方法：

中心極限定理：

從一個給定的服從任意分布的總體當中，每次抽n個樣本，一共抽取m次。然后再對這m各組的值求平均值，各組的平均值會服從近似正態(tài)分布。

• 首先模擬隨機擲色子1000次觀察一下平均值。

import numpy as np
a = np.random.randint(1,7,1000)print(a)a.mean()

輸出結果：

可以看到，擲1000次之后取平均值（注意：這個平均值每次策都有微小的不一樣，因為是隨機抽取的）接近于3.5（3.5=1/6*（1+2+3+4+5+6））。
然后，再次模擬拋10000次，取平均值

可以看到，結果越來越接近于3.5

• 接著模擬拋十次，然后畫圖看看他們的分布情況

sample = []for i in range(10):
    sample.append(a[int(np.random.random()*len(a))]) #從a里面隨機抽plt.figure(figsize=(20,10),dpi=100)plt.bar(sample,range(len(sample)))plt.show()

可見分布不是非常的均勻。

• 接著模擬1000組，每組拋50次，然后取每一組的平均值看分布情況。

sample_mean=[]sample_std=[]samples=[]for i in range(1000):
    sample=[] #每組一個列表
    for j in range(60):
        sample.append(a[int(np.random.random()*len(a))])#模擬拋50次
    sample = np.array(sample) #轉化為array數(shù)組，便于處理
    sample_mean.append(sample.mean())
    sample_std.append(sample.std())
    samples.append(sample)sample_mean_np = np.array(sample_mean)sample_std_np = np.array(sample_std)print(sample_mean_np)

plt.figure(figsize=(20,10),dpi=80)d =0.1 num_bins = (max(sample_mean_np)-min(sample_mean_np))//d
plt.hist(sample_mean_np,num_bins) #繪制頻率分布圖

可以看到，每組的平均值是服從正態(tài)分布的。

感謝各位的閱讀！關于python怎樣驗證中心極限定理就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！

文章名稱：python怎樣驗證中心極限定理
本文鏈接：http://bm7419.com/article48/igcghp.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供搜索引擎優(yōu)化、網(wǎng)站制作、建站公司、網(wǎng)站策劃、定制開發(fā)、網(wǎng)站設計公司

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)