正態分佈

用來計算連續變數的發生率，說的很抽象，簡單說就是單獨拿出來沒什麼太大用，但並不是說這個沒什麼用，相反這個太重要了，這玩意能讓你看清世界的真相

先看個圖，像這樣的線性就是正太分佈

這是一個標準的正態分佈

正太分佈有4個特點

      呈鐘形分佈，是對稱的

      分佈的集中趨勢(均值、中位數、眾數)都一樣

      中間最高的部分等於1.3倍的標準差

      隨機變數分佈區間無限制

模型函數f(X) = (1/2πσ^0.5)*e^(-(1/2)*(((X-μ)/σ)^2))，e是自然常數，已經說過了這次略過，μ是總體均值，可以用函數算出，σ是總體標準差，也可以用函數算出，X則是隨機變數

一個標準正太分佈函數的μ = 0，σ = 1，這個看起來有點扯的事其實還是存在的

標準正態分佈函數f(Z) = (1/2π)*e^(-1/2*Z^2)

這次牛逼了，一次寫兩個函數，來了

# 正態分佈函數
def normal_fun(chance_x, case_list = [0], mean_num = 0, covar_num = 0):
  e = 2.7182818
  pal = 3.1415926
  if len_fun(case_list) == 1 and case_list[0] == 0:
    normal_num = (1 / (covar_num * ((2 * pal) ** 0.5))) * e ** ((0-0.5)*(((chance_x-mean_num)/covar_num) ** 2))
  else:
    mean_num = sum_mean_fun(case_list)
    covar_num = covar_fun(case_list)
    normal_num = (1 / (covar_num * ((2 * pal) ** 0.5))) * e ** ((0-0.5)*(((chance_x-mean_num)/covar_num) ** 2))
  return normal_num

函數說明：實際需要3個參數，隨機變數、期望值、協方差，因此函數有兩種用法

if __name__ == '__main__':
  # 第一種用法
  case_list = [8,9,10,11,12]
  normal_rate = normal_fun(3,case_list = case_list)
  print normal_rate
  # 第二種用法
  normal_rate = normal_fun(3,mean_num = 0,covar_num = 1)
  print normal_rate

第二種就是圖中的標準正態分佈函數，要求μ = 0，σ = 1，因此省略這兩個傳參

# 標準正太分佈函數
def normal_s_fun(chance_x):
  e = 2.7182818
  pal = 3.1415926
  normal_num = (1 / ((2 * pal) ** 0.5)) * e ** ((0-0.5) * (chance_x ** 2))
  print normal_num

本來想多寫點什麼的，可是感覺什麼和這個都不搭，就把這個單獨拎出來放這了