正态分布

连续型随机变量的一种概率分布，记作$N(\mu ,\sigma )$, $\mu$是服从正态分布的随机变量的均值，$\sigma$是此随机变量的方差。

特点：$\mu$决定了其位置，$\sigma$决定了分布的幅度。当$\mu =0$，$\sigma =1$时为标准正态分布。

方差：是衡量一组数据的离散程度

${\sigma }^2=\frac{(x_1-M{)}^2+(x_2-M{)}^2+(x_3-M{)}^2+......+(x_n-M{)}^2}{n}$

正态分布创建方式

- np.random.randn(d0, d1, ..., dn) ：从标准正态分布中返回一个或多个样本值

- np.random.normal(loc=0.0, scale=1.0, size=None)
- loc：float, 该概率分布的均值
- scale: float, 标准差，scale越大分布越胖
- size: int或者整型的元组，输出的shape，默认为None，只输出一个值

- np.random.standard_normal(size=None) ：返回指定形状的标准正态分布的数组。

import numpy as np
import random
import matplotlib.pyplot as plt

x1 = np.random.normal(1.75, 1, 100000000)

# 1. 创建画图
plt.figure(figsize=(20, 8), dpi=100)
# 2. 绘制图像
plt.hist(x1, 1000)

# 3. 显示图像
plt.show()