生成-10:0区间正态分布的概率密度函数，步长:0.001 (10) plot(y)

好的，我来解答你的问题。

首先，正态分布的概率密度函数可以表示为：

f(x) = (1 / (σ * sqrt(2π))) * exp(-((x - μ)^2) / (2σ^2))

其中，μ代表均值，σ代表标准差，exp为指数函数。

我们需要生成-10到0区间的正态分布概率密度函数，步长为0.001。因此，我们需要先定义μ和σ的值：

import numpy as np

mu = -5      # 均值
sigma = 2   # 标准差

接下来，我们可以用numpy库生成一个从-10到0的等差数列，并计算每个x值对应的概率密度函数值：

x = np.arange(-10, 0, 0.001)
y = (1 / (sigma * np.sqrt(2 * np.pi))) * np.exp(-((x - mu)**2) / (2 * sigma**2))

最后，我们可以使用matplotlib库将概率密度函数可视化：

import matplotlib.pyplot as plt

plt.plot(x, y)
plt.show()

完整代码如下：

import numpy as np
import matplotlib.pyplot as plt

mu = -5
sigma = 2

x = np.arange(-10, 0, 0.001)
y = (1 / (sigma * np.sqrt(2 * np.pi))) * np.exp(-((x - mu)**2) / (2 * sigma**2))

plt.plot(x, y)
plt.show()

运行代码，即可生成-10到0区间的正态分布概率密度函数。