77- كورس برمجة Machine Learning بلغة البايثون Python شرح – Normal Data Distribution

مفهوم Normal Data Distribution

التوزيع الطبيعي، المعروف أيضًا بتوزيع جاوس، هو أحد التوزيعات الاحتمالية الأكثر شيوعًا في الإحصاءات. يتميز هذا التوزيع بمنحناه الذي يتخذ شكل الجرس، حيث يكون الوسط الحسابي والوسيط والمنوال جميعها متساوية في القيمة. تتمركز البيانات حول المتوسط، بحيث يكون هناك توازن في القيم الأكبر والأصغر. يعد التوزيع الطبيعي مهمًا جدًا في العديد من التطبيقات العلمية والهندسية والاجتماعية، حيث يفترض أن الكثير من الظواهر الطبيعية تتبع هذا التوزيع بشكل تقريبي.

يتحكم في شكل التوزيع الطبيعي عاملان رئيسيان هما المتوسط (mean) والانحراف المعياري (standard deviation). المتوسط يحدد مركز التوزيع، بينما الانحراف المعياري يحدد انتشار البيانات حول هذا المتوسط. كلما زاد الانحراف المعياري، كلما كانت البيانات أكثر انتشارًا. في Python، يمكننا استخدام مكتبة NumPy ومكتبة Matplotlib لإنشاء بيانات تتبع التوزيع الطبيعي وتصويرها.

إنشاء وتصوير بيانات التوزيع الطبيعي باستخدام Python

لإنشاء بيانات تتبع التوزيع الطبيعي في Python، نستخدم دالة numpy.random.normal التي تتيح لنا تحديد المتوسط والانحراف المعياري وعدد القيم المطلوبة. بعد ذلك، يمكننا استخدام مكتبة Matplotlib لتصوير هذه البيانات والتحقق من توزيعها.

import numpy as np
import matplotlib.pyplot as plt

# إعداد المتغيرات
mean = 0
std_dev = 1
num_samples = 1000

# إنشاء البيانات
data = np.random.normal(mean, std_dev, num_samples)

# تصوير البيانات
plt.hist(data, bins=30, density=True, alpha=0.6, color='b')
plt.title('Histogram of Normal Distribution')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

في هذا المثال، قمنا بإنشاء 1000 قيمة تتبع التوزيع الطبيعي بمتوسط مقداره 0 وانحراف معياري مقداره 1. باستخدام الدالة plt.hist، استطعنا تصوير هذه البيانات في شكل رسم بياني يوضح توزيعها. يمكنك تعديل قيم المتوسط والانحراف المعياري لرؤية كيف تؤثر هذه القيم على شكل التوزيع. يعد هذا النوع من التحليل مهمًا لفهم طبيعة البيانات والتحقق من فرضيات التوزيع.