cesarqb

import numpy as np # cálculos matriciales
import scipy.stats as ss # análisis estadístico
from scipy.stats import norm # análisis estadístico
from scipy import stats # análisis estadistico
import statsmodels.api as sm # análisis estadístico
import matplotlib.pyplot as plt # análisis gráfico
import seaborn as sns # análisis gráfico

cesarqb

import numpy as np # cálculos matriciales
import scipy.stats as ss # análisis estadístico
from scipy.stats import norm # análisis estadístico
from scipy import stats # análisis estadistico
import statsmodels.api as sm # análisis estadístico
import matplotlib.pyplot as plt # análisis gráfico
import seaborn as sns # análisis gráfico

cesarqb

# Generamos una variable aletoria con distribución normal con media 0 y varianza 1
x_normal = np.random.normal(loc=10, # media 
                            scale=30, # varianza
                            size=1000) # muestra

cesarqb

import numpy as np # cálculos matriciales
import scipy.stats as ss # análisis estadístico
from scipy.stats import norm # análisis estadístico
from scipy import stats # análisis estadistico
import statsmodels.api as sm # análisis estadístico
import matplotlib.pyplot as plt # análisis gráfico
import seaborn as sns # análisis gráfico

cesarqb

# Generamos una variable aletoria con distribución normal con media 0 y varianza 1
x_normal = np.random.normal(loc=10, # media 
                            scale=30, # varianza
                            size=1000) # muestra

cesarqb

# Mostramos nuestros parámetros
print('Parámetros distribución normal:','\n')
print('Promedio: ', np.mean(x_normal))
print('Varianza:', np.std(x_normal))
print('Muestra:',len(x_normal))

cesarqb

# Mostramos nuestras variables generadas
print('Detalle de variables:','\n')
print(x_normal)

cesarqb

# Gráfica de distribución normal
#plt.figure(figsize=(16,5), dpi=30)
plt.title('Distribución Normal N(10,30)')
plt.hist(x_normal, bins= 100, color='b')
plt.ylabel('frequencia')
plt.xlabel('valores')
plt.show()

cesarqb

X2 = np.sort(x_normal)
F2 = np.array(range(1000))/float(1000)

plt.title('Distribución Normal acumulada')
plt.plot(X2, F2)
plt.ylabel('frequencia')
plt.xlabel('valores')
plt.show()

cesarqb

# Se distribuye normalmente mi muestra?
dist = norm(loc=np.mean(x_normal), # creación de distribución normal en base a muestra original
            scale=np.std(x_normal))