本文目录一览：
如何画正态分布曲线
正态分布应用最广泛的连续型概率分布。通常所说的正态分布曲线指的是正态分布的密度函数的图像。其特征是“钟”形曲线。 正态分布曲线一种概率分布。正态分布是具有两个参数μ和σ^2的连续型随机变量的分布，第一参数μ是遵从正态分布的随机变量的均值，第二个参数σ2是此随机变量的方差，所以正态分布记作N(μ，σ2)。遵从正态分布的随机变量的概率规律为取μ邻近的值的概率大，而取离μ越远的值的概率越小；σ越小，分布越集中在μ附近，σ越大，分布越分散。 正态分布的密度函数的特点是：
- 关于直线x=μ对称，在μ处达到最大值，在正（负）无穷远处取值为0，在μ±σ处有拐点；
- 它的形状是中间高两边低，图像是一条位于x轴上方的钟形曲线；
- 曲线与x轴围成的面积为1；
- 当μ=0，σ^2=1时，称为标准正态分布，记为N(0,1)。 正态分布曲线画法：
- 可通过计算机中Excel、matlab、几何画板、geogebra等软件来实现；
- 通过其特点，可以动手画出大致图形； 大致图像如下：
- μ对图像的影响：
- σ对图像的影响：
Java如何设置标准正态分布函数？
没办法求出函数，只能使用数值积分法。 简单的写法效率非常低，要想效率比较高就得专门研究高级的数值积分算法。 我建议你使用查表法，就是把标准正态分布表硬编码直接写到程序里，然后查表。 我看了一下，表中一共就30*10=300个数（当然只是一半）。 查表的速度绝对无与伦比的快。 给你一个效率不高的办法：
public static double y(double x) {
return 1 / Math.sqrt(2 * Math.PI) * Math.pow(Math.E, -x * x / 2);
}
public static double fai(double x) {
if (x < -3.9) {
return 0;
} else if (x > 3.9) {
return 1;
}
double f = 0;
double pc = -5;
double step = 0.00001;
for (double i = pc; i < x; i += step)
f += y(i) * step;
return f;
}
如何在java中拟合正态分布
% 设数据为x
% 第一步, 计算均值, 计算样本标准差
len = length(x);
avg = mean(x);
s = sum((x-avg).^2)/(len-1)
% 第二步, 将上面结果代入高斯分布公式
% 第三步, 画出图形.
java编出正态分布的方法
- 标准正态分布分布函数。
- 入口参数u。任意实数。返回标准正态分布概率密度。 先是考虑把正态分布的那张表搞到程序中，通过查表的方式，小数点三位后面多出来的值使用公式来计算。 正态分布中一些值得注意的量：
- 密度函数关于平均值对称
- 平均值与它的众数（statistical mode）以及中位数（median）同一数值。
- 函数曲线下68.268949%的面积在平均数左右的一个标准差范围内。
/**
* java
*/
public double nextDouble() {
return (((long)(next(26)) << 27) + next(27)) / (double)(1L << 53);
}
private double nextNextGaussian;
private boolean haveNextNextGaussian = false;
synchronized public double nextGaussian() {
// See Knuth, ACP, Section 3.4.1 Algorithm C.
if (haveNextNextGaussian) {
haveNextNextGaussian = false;
return nextNextGaussian;
} else {
double v1, v2, s;
do {
v1 = 2 * nextDouble() - 1; // between -1 and 1
v2 = 2 * nextDouble() - 1; // between -1 and 1
s = v1 * v1 + v2 * v2;
} while (s >= 1 || s == 0);
double multiplier = StrictMath.sqrt(-2 * StrictMath.log(s)/s);
nextNextGaussian = v2 * multiplier;
haveNextNextGaussian
