python如何验证中心极限定理

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python如何验证中心极限定理，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1774字，纯文字阅读大概需要3分钟。

内容图文

python验证中心极限定理的方法：首先模拟随机掷色子1000次观察一下平均值；然后模拟抛十次，并画图看看他们的分布情况；最后模拟1000组，每组抛50次，并取每一组的平均值看分布情况。

python验证中心极限定理的方法：

中心极限定理：

从一个给定的服从任意分布的总体当中，每次抽n个样本，一共抽取m次。然后再对这m各组的值求平均值，各组的平均值会服从近似正态分布。

• 首先模拟随机掷色子1000次观察一下平均值。

import numpy as np
a = np.random.randint(1,7,1000)print(a)a.mean()

输出结果：

可以看到，掷1000次之后取平均值（注意：这个平均值每次策都有微小的不一样，因为是随机抽取的）接近于3.5（3.5=1/6*（1+2+3+4+5+6））。
然后，再次模拟抛10000次，取平均值

可以看到，结果越来越接近于3.5

• 接着模拟抛十次，然后画图看看他们的分布情况

sample = []for i in range(10):
    sample.append(a[int(np.random.random()*len(a))]) #从a里面随机抽plt.figure(figsize=(20,10),dpi=100)plt.bar(sample,range(len(sample)))plt.show()

可见分布不是非常的均匀。

• 接着模拟1000组，每组抛50次，然后取每一组的平均值看分布情况。

sample_mean=[]sample_std=[]samples=[]for i in range(1000):
    sample=[] #每组一个列表
    for j in range(60):
        sample.append(a[int(np.random.random()*len(a))])#模拟抛50次
    sample = np.array(sample) #转化为array数组，便于处理
    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) #绘制频率分布图

可以看到，每组的平均值是服从正态分布的。

相关免费学习推荐：python视频教程

以上就是python如何验证中心极限定理的详细内容。

内容总结

以上是互联网集市为您收集整理的python如何验证中心极限定理全部内容，希望文章能够帮你解决python如何验证中心极限定理所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端