编写一段 用龙贝格算法构造的从-0.01到4.99的标准正态分布表 的python代码

好的，以下是一个使用龙贝格算法构造标准正态分布表的Python代码示例：

from math import erf, sqrt

def gauss(x):
    return 1.0 / sqrt(2.0 * 3.14159265358979323846) * erf(x / sqrt(2.0))

# 使用龙贝格算法进行积分
def integrate(f, a, b, eps=1.0e-6):
    A = [0.0] * 21
    h = b - a
    A[1] = h * (f(a) + f(b)) / 2.0
    j = 1
    for i in range(2, 21):
        h /= 2.0
        s = 0.0
        for k in range(1, j+1):
            s += f(a + (2*k-1)*h)
        A[i] = A[i-1]/2.0 + h*s
        j *= 2
        if abs(A[i]-A[i-1]) < eps:
            return A[i]
    raise Exception("龙贝格算法未收敛")

# 构造标准正态分布表
x = -0.01
while x < 5.0:
    p = integrate(gauss, 0, x)
    print("%6.2f %10.6f" % (x, p))
    x += 0.01

其中，`gauss`函数用于计算标准正态分布的概率密度函数，`integrate`函数使用龙贝格算法进行积分计算。在主程序中，从-0.01到4.99之间以0.01为步长循环计算标准正态分布的概率密度函数，并输出结果。注意：该代码仅供参考，实际使用时应该使用现有的库函数计算标准正态分布的概率密度函数和累积分布函数。