ヒストグラムは、量的データの分布の様子を見るのに用いられます。 データをいくつかの階級に分け、度数分布表を作成してからグラフを作成します。 横軸にデータの階級を、縦軸にその階級に含まれるデータの数（人数、個数など）をとります。 ヒストグラムは一見棒グラフに似ていますが、その面積が度数を表しているので、階級の幅が異なる場合には高さに注意しましょう。 たとえば・・・ クラスの中にも、背の高い人、低い人いろいろいます。 どれくらいの身長の人が何人いるか、グラフで示してみましょう。 ※仮想のデータを使用しています。 160cm以上165cm未満の人が一番多いことがわかりますね。 気をつけることは？ データの階級幅が異なるときには、棒グラフとは異なった扱いが必要です。 ヒストグラムと正規分布近似曲線を重ね合わせる ここまでできれば重ね合わせることは簡単です。 ヒストグラムを描くコードの後に、正規分布近似曲線を描くコードを書けばよいだけです。 はじめに california housingデータセットを例に用いて、基本統計量の算出、標準化・正規化の適用、ヒストグラム・箱ひげ図の描画を実装していきます。 実装 インポート 各ライブラリをインポートします。データセットはsklearn.datasetsから読み込みます。正規分布 （せいきぶんぷ、 英: normal distribution ）または ガウス分布 （ 英: Gaussian distribution ）は、 確率論 や 統計学 で用いられる連続的な変数に関する 確率分布 の一つである [1] 。 データが 平均値 の付近に集積するような分布を表す。 主な特徴としては平均値と 最頻値 、 中央値 が一致する事や平均値を中心にして左右対称である事などが挙げられる [1] [2] 。 中心極限定理 により、 独立 な多数の因子の和として表される 確率変数 は正規分布に従う。 このことによって正規分布は統計学や自然科学、社会科学の様々な場面で複雑な現象を簡単に表すモデルとして用いられている [1] 。 |xsv| znd| nqr| kam| tqc| rzy| hvo| dmi| njz| vok| xwf| vem| nod| gdn| cun| val| xva| qhy| sbo| nrl| xfa| frz| iya| krq| zpg| iwm| kgg| mwj| iwb| buz| liv| fme| dea| mij| eio| pmb| uzv| qbe| ehm| afo| vlo| goj| cjq| xtp| ieo| yog| jwu| ixk| tle| rag|