统计学补充概念01-基本高斯模拟

概念

基本高斯模拟是指使用高斯分布（也称为正态分布）来模拟随机变量的分布或生成随机样本的过程。高斯分布在统计学和概率论中具有重要作用，它是连续概率分布中最常见的一种，具有钟形曲线的特点。

基本高斯模拟的一般步骤：

确定参数： 高斯分布由两个参数决定：均值（μ）和标准差（σ）。均值表示分布的中心位置，标准差表示分布的展开程度。根据你想要模拟的数据特性，选择合适的均值和标准差。

生成随机数： 使用随机数生成器来生成符合指定均值和标准差的随机数。常用的方法包括使用 Box-Muller 转换或 Ziggurat 算法等。

应用逆变换方法： 如果你只有一个能生成均匀分布随机数的生成器，可以使用逆变换方法将均匀分布的随机数转换为符合高斯分布的随机数。这可以通过累积分布函数（CDF）来实现。

调整范围： 生成的随机数可能会超出你所需的范围，你可能需要进行调整或截断，以确保数据符合你的要求。

重复生成： 根据你的需求，重复以上步骤生成足够多的随机样本，以便获得稳定的分布估计。

代码实现

import numpy as np

# 定义均值和标准差
mu = 0
sigma = 1

# 生成随机样本
num_samples = 1000
samples = np.random.normal(mu, sigma, num_samples)

# 打印前几个样本
print(samples[:10])