python模拟概率分布

在 Python 中，可以使用一些库来模拟概率分布。其中，常用的是 `numpy` 和 `scipy` 库。

首先，你需要导入这两个库：

import numpy as np
from scipy import stats

然后，你可以使用这些库中的函数来模拟各种概率分布。以下是几个常见的例子：

1. 均匀分布（Uniform Distribution）：

   # 生成在 [a, b) 范围内的随机数
   a = 0
   b = 10
   uniform_samples = np.random.uniform(a, b, size=100)

2. 正态分布（Normal Distribution）：

   # 生成均值为 mu，标准差为 sigma 的随机数
   mu = 0
   sigma = 1
   normal_samples = np.random.normal(mu, sigma, size=100)

3. 泊松分布（Poisson Distribution）：

   # 生成平均发生率为 lam 的随机数
   lam = 2
   poisson_samples = np.random.poisson(lam, size=100)

4. 二项分布（Binomial Distribution）：

   # 生成 n 次试验中成功 k 次的随机数
   n = 10
   p = 0.5
   binomial_samples = np.random.binomial(n, p, size=100)

除了以上的基本概率分布，`scipy.stats` 还提供了更多的概率分布和相关函数，可以根据具体需求选择使用。