這篇文章給大家分享的是有關(guān)python怎樣驗證中心極限定理的內(nèi)容。小編覺得挺實用的，因此分享給大家做個參考。一起跟隨小編過來看看吧。

創(chuàng)新互聯(lián)是一家專注于成都網(wǎng)站設(shè)計、成都網(wǎng)站建設(shè)與策劃設(shè)計,祁門網(wǎng)站建設(shè)哪家好?創(chuàng)新互聯(lián)做網(wǎng)站,專注于網(wǎng)站建設(shè)10多年,網(wǎng)設(shè)計領(lǐng)域的專業(yè)建站公司;建站業(yè)務(wù)涵蓋:祁門等地區(qū)。祁門做網(wǎng)站價格咨詢:13518219792

python驗證中心極限定理的方法：首先模擬隨機擲色子1000次觀察一下平均值；然后模擬拋十次，并畫圖看看他們的分布情況；最后模擬1000組，每組拋50次，并取每一組的平均值看分布情況。

python驗證中心極限定理的方法：

中心極限定理：

從一個給定的服從任意分布的總體當(dāng)中，每次抽n個樣本，一共抽取m次。然后再對這m各組的值求平均值，各組的平均值會服從近似正態(tài)分布。

• 首先模擬隨機擲色子1000次觀察一下平均值。

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

輸出結(jié)果：

可以看到，擲1000次之后取平均值（注意：這個平均值每次策都有微小的不一樣，因為是隨機抽取的）接近于3.5（3.5=1/6*（1+2+3+4+5+6））。
然后，再次模擬拋10000次，取平均值

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。

感謝各位的閱讀！關(guān)于python怎樣驗證中心極限定理就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，讓大家可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到吧！

本文題目：python怎樣驗證中心極限定理-創(chuàng)新互聯(lián)
網(wǎng)頁URL：http://weahome.cn/article/dhjjoj.html