Python 使用numpy.random.randn（）生成的正态分布的平均值不是'；0'；

我试图遵循这一点，他们试图证明，随着样本大小的增加，样本逐渐呈现出正态分布的特征

我尝试使用

numpy.random.randn（）

方法生成正态分布，如教程所示

我知道该方法返回a，对于正态分布，

mean=0

和

标准偏差=1

但是，当我检查这个分布的平均值和标准偏差时，它们显示出奇怪的值，即

平均值=0.23

和

标准偏差=0.49

代码：

结果:

0.231567632423
0.488577812058

我猜这可能是因为我只看了一个样本，而不是整个分布，这不是完全正常的。但如果是这样的话：

我应该从这个样本中看到什么特征

教程的建议是不是错了，因为它永远不会是正态分布

---

你有一个或6个样本。它不够大，无法接近正态分布。尝试使用600或6000来获得分布的良好表示

将numpy导入为np
x=np.random.randn（600）
x、 mean（），x.std（）
#返回：
(-0.07760043571247623, 0.9664411074909558)
x=np.random.randn（6000）
x、 mean（），x.std（）
#返回：
(0.003908119246211815, 1.0001989021750033)

---

六面模具的平均辊数应为3.5。但是，如果只滚动6次，平均值不太可能达到3.5。

您的样本量为6。它不够大，无法接近正态分布。尝试使用600或6000来获得分布的良好表示

将numpy导入为np
x=np.random.randn（600）
x、 mean（），x.std（）
#返回：
(-0.07760043571247623, 0.9664411074909558)
x=np.random.randn（6000）
x、 mean（），x.std（）
#返回：
(0.003908119246211815, 1.0001989021750033)

---

六面模具的平均辊数应为3.5。但是，如果仅滚动6次，则平均值不太可能达到3.5。

您的样本非常小，因此预计会出现与平均值=0和sd=1的偏差。随着样本量的增加，分布将接近标准正态分布。@ayhan，我现在明白了。请发布MCVE。不要期望人们离开现场回答问题you@MadPhysicist，补充说code@MadPhysicist在问题中添加了代码和结果。您的样本非常小，因此期望与平均值=0和sd=1的偏差。随着样本量的增加，分布将接近标准正态分布。@ayhan，我现在明白了。请发布MCVE。不要期望人们离开现场回答问题you@MadPhysicist，补充说code@MadPhysicist添加了问题中的代码和结果。

0.231567632423
0.488577812058