模拟截断正态分布： 使用 Numpy 包模拟100万个从截断正态分布中抽取的成绩。 参数：均值为75，标准差为20，截断在0和100之间。 步骤： 函数确保分布在0和100之间截断。 生成数据并使用 matplotlib 绘制包含100个柱状图的直方图。

要使用numpy模拟截断正态分布，并绘制包含100万个成绩的直方图，你可以按照以下步骤操作：

首先，确保已经安装了numpy和matplotlib库。如果没有安装，可以使用pip安装：

pip install numpy matplotlib

然后，编写Python代码实现这一过程：

import numpy as np
import matplotlib.pyplot as plt

# 定义参数
mu = 75  # 均值
sigma = 20  # 标准差
lower_bound = 0  # 截断下界
upper_bound = 100  # 截断上界

# 使用numpy的truncnorm函数生成截断正态分布
truncated_normal_data = np.truncnorm((lower_bound - mu) / sigma, (upper_bound - mu) / sigma, loc=mu, scale=sigma)

# 生成100万个样本
num_samples = 1_000_000
scores = truncated_normal_data.rvs(size=num_samples)

# 计算并绘制直方图
plt.hist(scores, bins=100, density=True, alpha=0.5)  # 密度直方图有助于可视化
plt.xlabel('分数')
plt.ylabel('频率')
plt.title('截断正态分布成绩分布 (均值=75，标准差=20)')
plt.show()

这段代码首先创建了一个从截断正态分布中抽样的数组，然后使用matplotlib绘制了包含100万个样本的直方图，显示了成绩的分布情况。