产生1000个标准正态随机变量，计算样本期望和 样本方差，并画所对应的直方图

在Python中，我们可以使用`numpy`库生成1000个标准正态分布的随机数，并利用`matplotlib`库绘制直方图。同时，我们还需要使用`numpy`来计算样本期望（均值）和样本方差。以下是步骤：

import numpy as np
import matplotlib.pyplot as plt

# 生成1000个标准正态随机变量
random_normal = np.random.randn(1000)

# 计算样本期望（平均值）
sample_mean = np.mean(random_normal)
print("样本期望:", sample_mean)

# 计算样本方差
sample_variance = np.var(random_normal, ddof=1)  # 使用ddof=1得到无偏估计
print("样本方差:", sample_variance)

# 绘制直方图
plt.hist(random_normal, bins='auto', edgecolor='black')
plt.title('1000个标准正态随机变量分布')
plt.xlabel('数值')
plt.ylabel('频率')
plt.show()

在这个代码片段中，`np.random.randn(1000)`生成了1000个独立的标准正态分布随机数。`np.mean()`和`np.var()`函数分别用于计算样本均值和样本方差，`ddof=1`表示使用无偏估计。