生成正态分布曲线的代码

可以使用Python中的NumPy库来生成正态分布曲线，代码如下：

import numpy as np
import matplotlib.pyplot as plt

mean = 0
std_dev = 1
x = np.random.normal(mean, std_dev, 100000)

plt.hist(x, bins=100)
plt.show()

这段代码生成100000个符合正态分布的随机数，并绘制出其直方图，从而在图形上呈现出正态分布曲线的形状。

相关问题

Python正态分布曲线

Python中的正态分布曲线可以通过SciPy库中的stats模块来实现。正态分布曲线也称为高斯分布曲线，是一种常见的连续概率分布。正态分布曲线呈钟形，其均值和标准差可以控制整个分布的形状。

下面是一个简单的Python代码示例，用于生成正态分布曲线并将其可视化：

import numpy as np
import matplotlib.pyplot as plt
from scipy.stats import norm

# 定义均值和标准差
mu, sigma = 0, 0.1

# 生成一些随机数据
data = np.random.normal(mu, sigma, 1000)

# 计算正态分布曲线的概率密度函数
x = np.linspace(-3, 3, 100)
pdf = norm.pdf(x, mu, sigma)

# 绘制正态分布曲线
plt.plot(x, pdf)
plt.show()

此代码将生成一个均值为0，标准差为0.1的正态分布曲线，并将其可视化。你可以通过调整mu和sigma的值来控制曲线的形状。

matlab正态分布曲线

在MATLAB中，正态分布是一种常用的概率分布函数，通常表示为高斯分布。它由均值（μ）和标准差（σ）这两个参数确定，其数学公式为f(x) = (1/(σ * sqrt(2π))) * exp(-(x - μ)^2 / (2*σ^2))，其中exp()表示自然指数函数。

要生成并绘制一个正态分布曲线，你可以使用`normpdf()`函数来计算每个点的概率密度，然后使用`plot()`函数来可视化。下面是一个简单的步骤示例：

% 设置参数
mu = 0;   % 均值
sigma = 1;  % 标准差

% 创建x轴范围
x_values = linspace(-5, 5, 100);  % 从-5到5，包含100个等间距点

% 计算对应于每个x值的PDF
y_values = normpdf(x_values, mu, sigma);

% 绘制曲线
figure;
plot(x_values, y_values, 'LineWidth', 2);
xlabel('X');
ylabel('PDF');
title(['正态分布 (均值 = ', num2str(mu), ', 标准差 = ', num2str(sigma), ')']);
grid on;

% 显示网格线

运行此代码后，你会看到一个典型的钟形曲线，中心位于`mu`处，宽度由`sigma`决定。