-Numpy

The concepts of vectorization, indexing and translation of NumPy, fast and versatile, are the actual standards of computing with arrays today. #Этот код генерирует вектор из 1000 нормально распределенных случайных чисел и строит две гистограммы: #С числом "карманов" (столбцов) по правилу квадратного корня (√n). #По правилу Стерджесса (log₂(n) + 1). #Гистограммы показывают распределение данных с разным количеством столбцов.

ваш код здесь

import numpy as np import matplotlib.pyplot as plt

Параметры

n = 1000 # Размер вектора mu = 0 # Среднее sigma = 1 # Стандартное отклонение

Создаем вектор случайных нормально распределенных чисел

data = np.random.normal(mu, sigma, n)

Построение гистограммы с разным числом карманов

plt.figure(figsize=(10, 6))

Оптимальный выбор числа карманов

bins_sqrt = int(np.sqrt(n)) # Правило квадратного корня bins_sturges = int(np.log2(n) + 1) # Правило Стерджесса

Построение гистограмм

plt.subplot(1, 2, 1) plt.hist(data, bins=bins_sqrt, edgecolor='black') plt.title(f'Гистограмма: √n = {bins_sqrt} карманов') plt.xlabel('Значения') plt.ylabel('Частота')

plt.subplot(1, 2, 2) plt.hist(data, bins=bins_sturges, edgecolor='black') plt.title(f'Гистограмма: правило Стерджесса = {bins_sturges} карманов') plt.xlabel('Значения') plt.ylabel('Частота')

plt.tight_layout() plt.show()