2.生成随机数:生成一个长度为300的向量,向量中的每个值服从5-15区间上的均匀分布,随机数赋给参数M1,并求出M1的均值和标准差,生成一个长度为300的向量,向量中的每个值服从均值为3的指数分布,随机数赋给参数M2

在Python中，我们可以使用`numpy`库来生成满足条件的随机数，并计算它们的统计指标。下面是一个示例代码片段：

import numpy as np

# 生成长度为300的均匀分布随机数（5-15）
M1 = np.random.uniform(5, 15, size=300)
mean_M1, std_dev_M1 = M1.mean(), M1.std()
print(f"M1的均值: {mean_M1}, 标准差: {std_dev_M1}")

# 生成长度为300的指数分布随机数（均值为3）
lambda_value = 1 / 3  # 对于均值为μ的指数分布，λ = 1/μ
M2 = -np.log(np.random.exponential(scale=lambda_value, size=300))
mean_M2, std_dev_M2 = M2.mean(), M2.std()
print(f"M2的均值: {mean_M2}, 标准差: {std_dev_M2}")

在这个例子中，我们首先创建了一个长度为300的均匀分布数组M1，然后计算其均值(mean_M1)和标准差(std_dev_M1)。接着，我们使用指数分布的逆变换(-log(rand))生成了另一个长度为300的随机数组M2，并同样计算了它的均值(mean_M2)和标准差(std_dev_M2)。