[Python] numpy中的random.normal函数介绍和使用案例

什么是正态分布？

正态分布是指一种特殊的钟形曲线，它是一种概率分布，常用于描述自然界中的许多现象，如身高、寿命、气温等。它是概率统计中最重要的分布之一，也是数理统计的基础。

正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。

random.normal函数

Numpy中的random.normal函数用于生成符合正态分布的随机数。它的函数原型如下：

numpy.random.normal(loc=0.0, scale=1.0, size=None)

其中，loc参数表示正态分布的均值，scale参数表示正态分布的标准差，size参数表示生成随机数的数量和形状。

使用场景

• 在统计学中，可以使用该函数生成符合正态分布的随机样本，进行假设检验、回归分析等。
• 在机器学习中，可以使用该函数生成符合正态分布的特征数据，作为模型的输入。
• 在金融领域中，可以使用该函数生成符合正态分布的股票价格、汇率等随机变量，进行模拟交易、风险评估等。

使用案例

import numpy as np

# 使用numpy的random.normal函数生成一个符合正态分布的随机数
result = np.random.normal(loc=0, scale=1, size=(3, 3))

print(result)

参考资料

正态分布