生成高斯分布、均匀分布的10000个随机数据： (1)利用前面设计的函数，分别计算所生成随机数据的均值、方差和标准差；

要在Python中生成高斯分布（正态分布）和均匀分布的10000个随机数，并计算它们的均值、方差和标准差，你可以使用NumPy库。以下是两个示例：

**高斯分布（正态分布）：**

import numpy as np

def generate_gaussian_data(size):
    mean = 0
    std_dev = 1  # 可调整标准差
    return np.random.normal(mean, std_dev, size)

gaussian_data = generate_gaussian_data(10000)
mean_gaussian, variance_gaussian, std_dev_gaussian = np.mean(gaussian_data), np.var(gaussian_data), np.std(gaussian_data)

print(f"高斯分布数据统计:")
print(f"均值: {mean_gaussian:.2f}")
print(f"方差: {variance_gaussian:.2f}")
print(f"标准差: {std_dev_gaussian:.2f}")

**均匀分布：**

def generate_uniform_data(min_val, max_val, size):
return np.random.uniform(min_val, max_val, size)

uniform_min, uniform_max = 0, 1 # 假设范围从0到1
uniform_data = generate_uniform_data(uniform_min, uniform_max, 10000)
mean_uniform, variance_uniform, std_dev_uniform = np.mean(uniform_data), np.var(uniform_data), np.std(uniform_data)

print("\n均匀分布数据统计:")
print(f"均值: {mean_uniform:.2f}")
print(f"方差: {variance_uniform:.2f}")
print(f"标准差: {std_dev_uniform:.2f}")