中心極限定理實踐

呈任意分佈的樣本，進行m次抽樣，每次取n個。這m次抽樣的平均值接近正態分佈。

下面我們驗證一下：

數據：用戶粉絲數

 我們有約100w用戶的信息，我們只關注用戶的粉絲數這個字段。毫無疑問用戶的粉絲數都是長尾分佈，如圖：

 

import pandas as pd
import random

def get_user_sample(data):
    sample = []
    sample_mean = []
    for j in range(0,1000):#1000次取樣
        sum = 0
        for i in range(0, 30):#每次取30個
            r = random.randint(0,data.size)
            sample.append(data[r:r+1])#取一條
            print('隨機值%d 取值%d'% (r, sample[len(sample)-1].values[0]))
            sum = sum+sample[len(sample)-1].values[0]
        print(sum/10)
        sample_mean.append(sum/10)
    return sample_mean

if __name__ == '__main__':
    df = pd.read_csv('用戶點贊粉絲數5.csv')
    df.info()
    df_filter=df[df.fans<500] #篩選
    df_filter.info()#查看錶結構
    df_fans = df_filter['fans']#只用fans字段
    sample = get_user_sample(df_fans)
    plt.hist(df_fans, bins=100)#顯示 原來樣本分佈   分成100個桶，這個參數指定bin(箱子)的個數,也就是總共有幾條條狀圖
    plt.hist(sample, bins=100)#顯示 採樣分佈

 

看起來也算是有點像正態分佈吧。實踐一下，加深理解。 

參考資料：https://blog.csdn.net/mingyuli/article/details/81141758