用Python编写标准正态分布求解代码

在Python中，标准正态分布（也称为Z分布）是一种均值为0，标准差为1的连续概率分布。我们可以使用Python的科学计算库NumPy和统计计算库SciPy来处理标准正态分布。下面是一个简单的例子，演示如何使用这些库来生成标准正态分布的随机数，并计算其累积分布函数（CDF）和概率密度函数（PDF）的值。

import numpy as np
from scipy.stats import norm

# 生成标准正态分布的随机数
random_numbers = np.random.normal(0, 1, size=10)  # 均值为0，标准差为1的10个随机数
print("生成的标准正态分布随机数：", random_numbers)

# 计算累积分布函数（CDF）的值
cdf_value = norm.cdf(1.96)  # 计算标准正态分布下，z=1.96时的CDF值
print("z=1.96时的累积分布函数（CDF）值：", cdf_value)

# 计算概率密度函数（PDF）的值
pdf_value = norm.pdf(0)  # 计算标准正态分布下，z=0时的PDF值
print("z=0时的概率密度函数（PDF）值：", pdf_value)

在这段代码中，`np.random.normal` 函数用于生成具有指定均值和标准差的正态分布随机数。`norm.cdf` 函数计算给定值在累积分布函数中的对应值，而 `norm.pdf` 函数则用于计算概率密度函数的值。