两个独立正态分布相乘代码

两个独立正态分布相乘，并不直接产生一个正态分布，因为正态分布的乘积不再是正态分布。但是，可以通过一些数学方法来近似计算两个独立正态分布随机变量的乘积的概率密度函数。

假设我们有两个独立的正态分布随机变量X和Y，它们的概率密度函数分别是N(μ1, σ1^2)和N(μ2, σ2^2)，则它们的乘积Z = XY的概率密度函数并非正态分布，而是需要通过卷积或者其它数学技巧来计算。

在实际编程中，如果需要对两个独立正态分布随机变量的乘积进行模拟，可以使用蒙特卡罗方法（Monte Carlo method），也就是通过大量抽样来近似计算概率密度函数或者分布的特性。

以下是一个使用Python语言和NumPy库进行蒙特卡罗模拟的简单例子：

import numpy as np

# 定义两个独立正态分布的参数
mu1, sigma1 = 0, 1  # 假设第一个正态分布均值为0，标准差为1
mu2, sigma2 = 0, 1  # 假设第二个正态分布均值为0，标准差为1

# 生成两个独立的正态分布样本集
sample1 = np.random.normal(mu1, sigma1, 100000)
sample2 = np.random.normal(mu2, sigma2, 100000)

# 计算乘积的样本集
product_sample = sample1 * sample2

# 输出乘积的直方图，用于观察分布情况
import matplotlib.pyplot as plt

plt.hist(product_sample, bins=100, density=True)
plt.title('Histogram of the product of two independent normal distributions')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

这段代码首先定义了两个正态分布的参数，然后生成了两个独立的正态分布样本集，接着计算了这两个样本集的乘积，最后通过直方图的方式展现了乘积分布的特性。