python模拟正态分布

可以使用Python的NumPy库来模拟正态分布。NumPy中有一个名为`numpy.random.normal()`的函数，可以生成指定均值和标准差的正态分布数据。

下面是一个简单的例子，生成1000个均值为0，标准差为1的正态分布数据，并绘制它们的直方图：

import numpy as np
import matplotlib.pyplot as plt

# 生成正态分布数据
mu, sigma = 0, 1 # 均值和标准差
data = np.random.normal(mu, sigma, 1000)

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

# 绘制拟合曲线
plt.plot(bins, 1/(sigma * np.sqrt(2*np.pi)) * np.exp(-(bins-mu)**2 / (2*sigma**2)), linewidth=2, color='r')

# 显示图形
plt.show()

输出的结果类似于下面的图表：


相关问题

python创建正态分布数组

在Python中，可以使用numpy库的random模块来创建正态分布的数组。具体来说，可以使用numpy.random.randn函数来生成一个服从标准正态分布（平均值为0，标准差为1）的ndarray数组。该函数的语法为np.random.randn(d0, d1, ..., dn)，其中d0, d1, ..., dn是数组的维度。例如，np.random.randn(3, 5)将生成一个3行5列的正态分布数组。这个数组的元素是从标准正态分布中随机采样得到的。正态分布的特点是具有钟形曲线的形状，其中大部分数据集中在平均值附近，而较远离平均值的数据数量逐渐减少。因此，生成的正态分布数组可以用来进行统计分析、模拟实验等。

蒙特卡洛模拟 正态分布 python

蒙特卡洛模拟是一种使用随机数来解决计算问题的方法，通过将问题与概率模型相联系，在计算机上进行统计模拟或抽样，以获得问题的近似解。蒙特卡洛模拟可以用于模拟事件的未来结果。在Python中，可以使用随机数生成器来进行蒙特卡洛模拟。引用<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* [国赛学习——蒙特卡洛模拟](https://blog.csdn.net/weixin_45427596/article/details/119509688)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *2* [Carlo-Simulation-Future-Stock-Prices-for-Apple:在该项目中，我完成了对未来股票价格的蒙特卡洛模拟。...](https://download.csdn.net/download/weixin_42133918/15613753)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
- *3* [python+正态分布+蒙特卡洛预测男女身高概率！](https://blog.csdn.net/weixin_30782331/article/details/97567232)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"]
[ .reference_list ]