CUM_plot, das ich oft am Produktionsstandort sehe, ist nicht ins Netz gefallen, also habe ich es mit Python gemacht

Einleitung ============ CUM_plot wird häufig verwendet, wenn eine Fehleranalyse am Produktionsstandort durchgeführt wird. Wenn es sich um eine Normalverteilung handelt, wird sie zu einer geraden Linie, und es ist leicht zu verstehen, ob die Ausreißer oder mehrere Normalverteilungen gemischt sind. Wenn ich versuche, es mit Python zu erstellen, wird das CUM in Abb. 1 angezeigt, das CUM in Abb. 2 jedoch nicht. .. .. Anscheinend wird CUM normalerweise als Abbildung 1 bezeichnet.

Also habe ich versucht, das in Abb. 2 gezeigte CUM zu erstellen. Ich bin mir nicht sicher, ob es richtig ist, daher würde ich es begrüßen, wenn Sie auf Fehler hinweisen könnten.

Was ist ein CUM-Plot? ============ Abkürzung für kumulative Verteilung. Wenn Sie damit googeln, wird jedoch nur Abbildung 1 angezeigt. .. .. https://ja.wikipedia.org/wiki/%E7%B4%AF%E7%A9%8D%E5%88%86%E5%B8%83%E9%96%A2%E6%95%B0 In der folgenden URL erfahren Sie, wie Sie die CUM in Abbildung 1 erstellen. https://matplotlib.org/3.1.1/gallery/statistics/histogram_cumulative.html
Wie man CUM macht ============ Wenn Sie sich die CUM in Abbildung 2 genau ansehen, scheint die y-Achse eine Normalverteilung abzubilden. Da eine solche Skala in matplotlib jedoch nicht vorhanden ist, habe ich die Skala zwangsweise konvertiert und zugewiesen.

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

#Daten erstellen
np.random.seed(19680803)
mu = 200
sigma = 3
x = np.random.normal(mu, sigma, size=100)

#Weisen Sie x die Umkehrung der kumulativen Verteilungsfunktion zu
norm_arr = list()
for no in range(1,len(x)+1):
   norm_arr.append(norm.ppf((no)/(len(x)+1))-norm.ppf(1/(len(x)+1)))
norm_arr=norm_arr/max(norm_arr)#Normalisierung
x.sort()#Sortieren Sie x in aufsteigender Reihenfolge

#Ändern Sie die Anzeige der y-Achse
scale =[]
list_axis =[0.0001,0.001,0.01,0.05,0.1,0.2,0.3,0.5,0.7,0.8,0.9,0.95,0.99,0.999,0.9999]
for no in list_axis:
   scale.append(norm.ppf(no)-norm.ppf(0.0001))
scale=scale/max(scale)

#Zeichnung
fig, ax = plt.subplots(figsize=(8, 4))
linestyles = '-'
ax.grid(True)
ax.legend(loc='right')
ax.set_title('Cumulative step histograms')
ax.set_xlabel('data')
ax.set_ylabel('Percentage')
plt.yticks(scale,list_axis)
ax.plot(x,norm_arr,label='linear',marker='o',markersize=1.0,linewidth=0.1,linestyle=linestyles)

plt.show()

Bei der Ausführung wird die obige Abbildung 2 unverändert ausgegeben.