Wahrscheinlichkeitsdichte-Histogramm mit Matplotlib macht keinen Sinn

Question

Ich habe gerade eine einfache Aufgabe ausgeführt zu versuchen, das Wahrscheinlichkeitsdichte-Histogramm für eine Simulation, die ich lief, zu plotten. Wenn ich es jedoch plotte, scheint die Wahrscheinlichkeit für jedes Bin nicht mit dem Ergebnis des Häufigkeitsdiagramms übereinzustimmen. Mit 50 Bins würde ich erwarten, dass jeder Bin eine durchschnittliche Wahrscheinlichkeit von 2% hat, was sich nicht in der Grafik widerspiegelt.

Vielen Dank im Voraus

import pandas as pd 
import numpy as np 
import matplotlib.pyplot as plt 

plntAcres = 88.0 
hvstPer = 0.99 
hvstAcres = plntAcres*hvstPer 
yldAcre = np.random.triangular(47,48,49, 10000) 

carryIn = 464 
pdn = hvstAcres * yldAcre 
imp = 25.0 
ttlSup = carryIn + pdn + imp 

crush = np.random.uniform(1945, 1990,10000) 
expts = np.random.uniform(2085, 2200,10000) 
seedRes = 130 
ttlDem = crush + expts + seedRes 

carryOut = ttlSup - ttlDem 

print carryOut 

plt.hist(carryOut, bins=50,normed=True) 
plt.title("Carry Out Distribution") 
plt.xlabel("Value") 
plt.ylabel("Probability") 
plt.show() 

Probability density of Carry out

Answer 1

In der hist Funktion, das normed Argument führt nicht in Wahrscheinlichkeiten, aber in Wahrscheinlichkeitsdichten. Wenn Sie die Wahrscheinlichkeiten selbst möchten, verwenden Sie stattdessen das Argument weights (und geben Sie 1/len(carryOut) an).

Die entscheidenden zwei Linien:

weights = np.ones_like(carryOut)/(len(carryOut)) 
plt.hist(carryOut, bins=50, weights=weights) 

Answer 2

Ihr Schema ist eine Bell-Kurve, in der Regel bedeutet, dass Ihr Zufallsvariable normalverteilt ist. prüft wikipedia für Normal Distribution/Gauss distribution