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()

 . Python עם‎‎ נוצרה ה PNG תמונת מפת סיביות

יש ליצור מחדש את התמונה math הזו באמצעות גרפיקה וקטורית כדוגמת קובץ SVG. לפעולה זו מספר יתרונות, כפי שניתן לקרוא (באנגלית) בדף Commons:Media for cleanup. אם ברשותכם קובץ SVG, אנא העלו אותו. לאחר מכן, החליפו תבנית זו בתבנית {{vector version available|שם הקובץ.svg}}

אני, בעל זכויות היוצרים על עבודה זו, מפרסם בזאת את העבודה תחת הרישיון הבא:

הקובץ הזה מתפרסם לפי תנאי רישיון קריאייטיב קומונז ייחוס-שיתוף זהה 3.0 לא מותאם.

יש לך חופש:

• לשתף – להעתיק, להפיץ ולהעביר את העבודה
• לערבב בין עבודות – להתאים את העבודה

תחת התנאים הבאים:

• ייחוס – יש לתת ייחוס הולם, לתת קישור לרישיון, ולציין אם נעשו שינויים. אפשר לעשות את זה בכל צורה סבירה, אבל לא בשום צורה שמשתמע ממנה שמעניק הרישיון תומך בך או בשימוש שלך.
• שיתוף זהה – יצירת רמיקס, שינוי או בנייה על סמך החומר הזה, תטיל עליך חובה להפיץ את התרומות שלך לפי תנאי רישיון זהה או תואם למקור.

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