假定从均值为1，标准差为2的正态分布中抽取随机数，同时设定抽取随机数的此时为1万次。打印从正态分布中抽样的平均值和标准差。

假设我们从均值为1，标准差为2的正态分布(Normal Distribution)中抽取了10,000次随机数，由于这个过程是独立同分布的，我们可以预期：

1. 平均值 (Mean): 因为每次抽取都是从均值为1的正态分布中得到的，所以10,000次抽取的平均值理论上应该接近于1。但实际上，由于样本量很大，我们会非常接近于1，偏差极小。

2. 标准差 (Standard Deviation of Sample Mean, or Standard Error): 对于大样本如10,000次，样本平均值的标准误差会很小，因为它随着样本量增加而减小。计算公式是总体标准差除以样本大小的平方根，即 \( \sigma/\sqrt{n} \)，其中 \(\sigma=2\) 是固定的标准差，\(n=10,000\)。因此，样本平均值的标准差大约会接近于 \(2/\sqrt{10,000}\)，近似为0.0632。

实际操作中，你可以使用统计软件（如Python的numpy库）或在线模拟工具来获取这些数值。下面是一个简化的Python示例：

import numpy as np

# 设定参数
mean = 1
std_dev = 2
sample_size = 10000

# 抽取随机数并计算平均值和样本标准差
random_numbers = np.random.normal(mean, std_dev, sample_size)
average_value = random_numbers.mean()
standard_error = std_dev / np.sqrt(sample_size)

print(f"平均值：{average_value:.4f}")
print(f"样本标准差（标准误差）：{standard_error:.4f}")

运行这段代码，你会得到更精确的结果。请注意，这里的计算结果是理论上的期望值，并非特定一次实验的实际结果。