Python 用高斯分布求数的平方

有没有一种方法可以使用高斯分布计算一个数字的平方（最接近的近似值），比如4，其中μ是数字，σ是0.16。1000个随机点呢

---

我在互联网上搜索了很多，但找不到解决这个问题的方法。任何一段代码都会非常有用，因为我是python新手。

您可以使用

numpy.random.randn

生成标准高斯分布，然后根据需要从

对于N（\mu，\sigma^2）中的随机样本，使用：

sigma*np.random.randn（…）+mu

以你为例

import numpy as np
import matplotlib.pyplot as plt

N = 4.
mu = N**2
sigma = 1/N**2

dist = np.sqrt(sigma) * np.random.randn(1000) + mu
plt.hist(dist,30)
plt.show()

如果您不想使用numpy，也可以使用随机模块

import random

dist = [random.normalvariate(mu, sigma) for i in range(1000)]

---

假设您生成了数据，您可以通过取数据的平均值来找到mu的近似值（即数字的平方）。到目前为止，您可以确定，随着数据大小的增长，近似值会变得更精确。例如：

import random


def generate_data(size):
    mu, sigma = 4 ** 2, 0.16
    return [random.gauss(mu, sigma) for _ in range(size)]


def mean(ls):
    return sum(ls) / len(ls)

print(mean(generate_data(10)))     #15.976644889526114
print(mean(generate_data(100)))    #16.004123848232233
print(mean(generate_data(1000)))   #16.00164187802018
print(mean(generate_data(10000)))  #16.001000022147206

---

你已经试过什么了？您到底是如何实现guassian分布的？你期望输出是什么？这是一个非常奇怪的方法来估计一个数字的平方。。。特别是因为你首先需要正方形来创建高斯分布。你能告诉我们更多关于上下文的情况吗？你需要这个做什么？你在尝试实现蒙特卡罗积分曲面估计器吗？你有没有尝试过

random.gauss（）

函数？实际上。我需要用高斯分布计算一个数的平方。主要的背景是，平方应该生成到最接近的近似数字。因为，99%的高斯分布将位于+或-3西格玛的范围内。给我的3sigma值是0.5。这很好。。这很简单，我能很容易地理解。。谢谢你。。你也可以帮我为这个生成一个图表吗？？？@Sandy.Arv当然可以，但我认为作为一个新问题是合适的