Skalowanie normalnej dystrybucji w Pythonie

Question

Chcę wykreślić histogram dla rozkładu normalnego, a także narysować na nim odpowiadający mu rozkład normalny. W Internecie dostępnych jest kilka przykładów dotyczących rozkładów normalnych z osią Y znormalizowaną za pomocą density=True. W moim przykładzie próbuję utworzyć krzywą rozkładu normalnego bez normalizacji typu gęstości. Być może mogłoby to być ukryte pytanie matematyczne, ale nie mogłem wymyślić, jak „znormalizować” krzywą rozkładu. Oto mój kod:

import numpy as np
from scipy.stats import norm
import matplotlib.pyplot as plt

mu = 1e-3
std = 1.0e-4
nsize = 10000
ymax = 5000

# Generate some data for this demonstration.
data = norm.rvs(mu, std, size=nsize)

# Plot the histogram.
plt.hist(data, bins=20, color='b', edgecolor='black')

# Plot the PDF.
xmin, xmax = [0.5e-3, 1.5e-3] #plt.xlim()
x = np.linspace(xmin, xmax, 100)
p = norm.pdf(x, mu, std)                      # something to do with this line
plt.plot(x, p, 'k', linewidth=2)
plt.axvline(mu, linestyle='dashed', color='black')
plt.ylim([0, ymax])

Daje to następujący wykres.

Jak widać, obszar pod histogramem będzie równy 10000 ( nsize), co jest liczbą punktów danych. Jednak z „krzywą rozkładu” jest inaczej. Jak uzyskać dopasowanie krzywej do histogramu?

Answer 1

Wygląda na to, że pltzwraca się w histsumie do nsize. Możemy więc po prostu skalować p:

# Plot the histogram.
hist, bins, _ = plt.hist(data, bins=20, color='b', edgecolor='black')

# Plot the PDF.
xmin, xmax = [0.5e-3, 1.5e-3] #plt.xlim()

# changes here
p = norm.pdf(bins, mu, std)           
plt.plot(bins, p/p.sum() * nsize , 'r', linewidth=2)

Wynik: