利用正态分布生成雾霾分布的程序代码

以下是生成雾霾分布的程序代码：

import numpy as np
import matplotlib.pyplot as plt

# 设置均值和标准差
mu = 50
sigma = 20

# 生成正态分布随机数
s = np.random.normal(mu, sigma, 1000)

# 绘制直方图
count, bins, ignored = plt.hist(s, 30, density=True)

# 绘制正态分布曲线
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
         np.exp( - (bins - mu)**2 / (2 * sigma**2) ),
         linewidth=2, color='r')
plt.show()

解释：

利用 `numpy` 模块中的 `normal` 函数生成均值为 `mu`，标准差为 `sigma` 的 1000 个正态分布随机数。然后使用 `matplotlib` 模块中的 `hist` 函数绘制直方图。最后，使用 `plot` 函数绘制正态分布曲线。可以根据需要调整均值和标准差的值来生成不同的雾霾分布。

相关问题

正态分布生成随机数matlab代码

你可以使用 `randn` 函数来生成服从正态分布的随机数。这个函数的参数可以是一个标量，表示生成一个随机变量；也可以是一个矩阵，表示生成一个矩阵，其中每个元素都是服从正态分布的随机数。

例如，生成一个标量：

x = randn();

生成一个 3x3 的矩阵：

X = randn(3);

如果你需要更加精细的控制，可以使用 `makedist` 函数构造一个正态分布的概率分布对象，然后使用 `random` 方法来生成随机数。例如：

pd = makedist('Normal');
x = random(pd);

生成正态分布随机数的代码

生成正态分布随机数可以使用Python中的random模块和numpy模块的random子模块，具体代码如下：

使用random模块：

import random

# 生成均值为mu，标准差为sigma的正态分布随机数
def normal_distribution(mu, sigma):
    return random.normalvariate(mu, sigma)

# 例子：生成均值为0，标准差为1的正态分布随机数
num = normal_distribution(0, 1)
print(num)

使用numpy模块：

import numpy as np

# 生成均值为mu，标准差为sigma的正态分布随机数
def normal_distribution(mu, sigma):
    return np.random.normal(mu, sigma)

# 例子：生成均值为0，标准差为1的正态分布随机数
num = normal_distribution(0, 1)
print(num)

注意：以上代码中，参数mu表示正态分布的均值，参数sigma表示正态分布的标准差。