高斯分布的概率密度函数numpy.random.normal

我们更经常会用到的np.random.randn(size)所谓标准正态分布（μ=0,σ=1），对应于numpy.random.normal(loc=0.0, scale=1.0, size=None)

loc：float 此概率分布的均值（对应着整个分布的中心centre）。
scale：float 此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）。
size：int or tuple of ints 输出的shape，默认为None，只输出一个值。

import numpy as np

a = np.random.normal(0, 1, (2, 4))
print(a)

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


def func_normal_distribution(x, mean, sigma):
    return np.exp(-1*((x-mean)**2)/(2*(sigma**2)))/(math.sqrt(2*np.pi)* sigma)


mean1, sigma1 = 2,0.5
x1 = np.linspace(mean1 - 6*sigma1, mean1 + 6*sigma1, 100)

mean2, sigma2 = 2,1
x2 = np.linspace(mean2 - 6*sigma2, mean2 + 6*sigma2, 100)

mean3, sigma3 = 3,1
x3 = np.linspace(mean3 - 6*sigma3, mean3 + 6*sigma3, 100)

y1 = func_normal_distribution(x1, mean1, sigma1)
y2 = func_normal_distribution(x2, mean2, sigma2)
y3 = func_normal_distribution(x3, mean3, sigma3)

plt.plot(x1, y1, 'r', label='m=2,sig=0.5')
plt.plot(x2, y2, 'g', label='m=2,sig=1')
plt.plot(x3, y3, 'b', label='m=3,sig=1')
plt.legend()
plt.grid()
plt.show()