中心极限定理
中心极限定理是说,n只要越来越大,这n个数的样本均值会趋近于正态分布,并且这个正态分布以u为均值,sigma^2/n为方差。
换句话说,假设我们与样本
x1,x2....xn, 并且已经知道
E(x)=u,D(x)=σ2;
令变量
Y=x1+x2+...xn, 则:
Z=D(Y)
Y−E(Y)=(
n)∗σY−n∗u
由此,我们就可以根据均匀分布的均值和方差,结合中心极限定理,来根据均匀分布差生正太分布;
均匀分布假设为[a, b], 那么
E=(a+b)/2,D(x)=E(x2)−E(x)2=(b−a)2/12
下面以[0,1]分布例子,产生一个正态分布:
n = 1000
y = [ random.random() for i in range(n)
z = (sum(y) - n * 0.5) / (sqrt(n)*12)