本文主要是介绍python 一组数据 正态分布散点图_用 Python 检验数据正态分布的几种方法，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
什么是正态分布
关于什么是正态分布，早在中学时老师就讲过了。通俗来讲，就是当我们把数据绘制成频率直方图，所构成曲线的波峰位于中间，两边对称，并且随着往两侧延伸逐渐呈下降趋势，这样的曲线就可以说是符合数学上的正态分布。由于任何特征的频率总和都为100%或1，所以该曲线和横轴之间部分的面积也为100%或1，这是正态分布的几何意义。
如下图，是数据统计实例中出现的正态分布性数据：
为什么要做正态性检验
对此我的理解是，正态性可以保证随机性，因为随机数就是正态分布的，这里可以用高尔顿板来形象化地理解：
高尔顿板为一块竖直放置的板，上面有交错排列的钉子。让小球从板的上端自由下落，当其碰到钉子后会随机向左或向右落下。最终，小球会落至板底端的某一格子中。假设板上共有 n 排钉子，每个小球撞击钉子后向右落下的概率为 ρ(当左、右概率相同时
为 0.5)，则小球落入第 k 个格子概率为二项分布
这篇关于python 一组数据 正态分布散点图_用 Python 检验数据正态分布的几种方法的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
