f1 = plt.figure(figsize=(6,6), dpi=300) x = np.linspace(-2, 2, 100)

plt.title(u"Inverse transforming sampling for normal distribution") plt.plot(x, n.pdf(x), label=r'pdf $f(x)$') # proba density function plt.plot(x, n.cdf(x), label=r'cdf $F(x) = \int_{-\infty}^x f(t) \, dt$') # cumulative distributive function plt.plot(x, n.ppf(x), label='ppf $F^{-1}(x)$') # percent point function plt.plot(x,x,'--k') plt.plot([n.ppf(0.2),n.ppf(0.2),0,0.2,0.2],[0,0.2,0.2,0,n.ppf(0.2)],'o:k') plt.text(n.ppf(0.2)-0.2, -0.2, r"$y \sim \cal N$", size=14) plt.text(0.2, 0.05, r'$x \sim \calU(]0,1[][-2,2]) plt.axhline(color = 'gray') plt.axvline(color = 'gray') plt.rcParams['legend.loc'] = 'upper left' plt.legend()

 本PNG 位图使用Python创作.

此math图片可使用矢量图形重新创建为SVG文件。这具有很多好处；更多信息请参见共享资源:待清理媒体。如果存在此图片的SVG格式，请将其上传，然后将此模板替换为{{vector version available|新图片名称}}。 建议您将SVG命名为“Inverse transform sampling.svg”，这样在使用Vector version available（或Vva）模板时就不需要填写新图片名称参数。

我，本作品著作权人，特此采用以下许可协议发表本作品：

本文件采用知识共享署名-相同方式共享 3.0 未本地化版本许可协议授权。

您可以自由地：

• 共享 – 复制、发行并传播本作品
• 修改 – 改编作品

惟须遵守下列条件：

• 署名 – 您必须对作品进行署名，提供授权条款的链接，并说明是否对原始内容进行了更改。您可以用任何合理的方式来署名，但不得以任何方式表明许可人认可您或您的使用。
• 相同方式共享 – 如果您再混合、转换或者基于本作品进行创作，您必须以与原先许可协议相同或相兼容的许可协议分发您贡献的作品。

https://creativecommons.org/licenses/by-sa/3.0CC BY-SA 3.0 Creative Commons Attribution-Share Alike 3.0 truetrue