可以看到，結(jié)果越來越接近于3.5
接著模擬拋十次，然后畫圖看看他們的分布情況
sample = []for i in range(10):
sample.append(a[int(np.random.random()*len(a))]) #從a里面隨機(jī)抽plt.figure(figsize=(20,10),dpi=100)plt.bar(sample,range(len(sample)))plt.show()
可見分布不是非常的均勻。
接著模擬1000組，每組拋50次，然后取每一組的平均值看分布情況。
sample_mean=[]sample_std=[]samples=[]for i in range(1000):
sample=[] #每組一個列表
for j in range(60):
sample.append(a[int(np.random.random()*len(a))])#模擬拋50次
sample = np.array(sample) #轉(zhuǎn)化為array數(shù)組，便于處理
sample_mean.append(sample.mean())
sample_std.append(sample.std())
samples.append(sample)sample_mean_np = np.array(sample_mean)sample_std_np = np.array(sample_std)print(sample_mean_np)
plt.figure(figsize=(20,10),dpi=80)d =0.1 num_bins = (max(sample_mean_np)-min(sample_mean_np))//d plt.hist(sample_mean_np,num_bins) #繪制頻率分布圖
可以看到，每組的平均值是服從正態(tài)分布的。
相關(guān)免費(fèi)學(xué)習(xí)推薦：python視頻教程
更多關(guān)于云服務(wù)器，域名注冊，虛擬主機(jī)的問題，請訪問西部數(shù)碼官網(wǎng)：m.ps-sw.cn
