直方图上的非标准化高斯曲线

举个例子：

import pylab as pyimport numpy as npfrom scipy import optimize# Generate a y = np.random.standard_normal(10000)data = py.hist(y, bins = 100)# Equation for Gaussiandef f(x, a, b, c):    return a * py.exp(-(x - b)**2.0 / (2 * c**2))# Generate data from bins as a set of points x = [0.5 * (data[1][i] + data[1][i+1]) for i in xrange(len(data[1])-1)]y = data[0]popt, pcov = optimize.curve_fit(f, x, y)x_fit = py.linspace(x[0], x[-1], 100)y_fit = f(x_fit, *popt)plot(x_fit, y_fit, lw=4, color="r")

这将使高斯图适合于分布，您应该使用

pcov

确定数据是高斯分布还是任何分布的更好方法是Pearson卡方检验。需要进行一些练习才能理解，但这是一个非常强大的工具。