Python 为100.000个样本生成两个标准高斯随机变量

为100.000个样本生成两个标准高斯随机变量。通过检查随机变量的均值和方差，确保正确生成随机变量

我有一个这样的问题。İt可以在MATLAB中生成，但我想使用python生成。但我不明白这个问题。“10万份样品”是什么意思？我应该使用什么命令在Python中实现这一点？

将numpy作为np导入
从随机输入高斯
#期望平均数
μ=0
#期望方差
var=1
#样本清单
样本=[范围（100000）内i的高斯（μ，var）]
#打印样本的平均值和方差
#将其与（mu）进行比较
打印（np.平均值（样本））
#将其与（var）进行比较
打印（np.var（样本））

措辞含糊不清。你必须向写这封信的人寻求澄清。这可能被解释为做两个随机样本，每组10万个数字，然后查看每组10万个数字的均值和方差。至于怎么做，numpy有一个解决方案。内置的随机模块还有另一个功能。用谷歌搜索这些工具是如何工作的，然后决定哪一个最适合你们，应该很容易。这里是问题的另一部分。我想老师问了一个问题，就像你在第一部分说的。不是吗？通过模拟数据，确定生成数据之间的协方差和相关系数。将您的值与Matlab的cov和CORRCOF函数进行比较，并观察它们是否一致，或者是否与编程平台库中提供的函数一致。我们假设Matlab或随机变量生成器生成不相关的值。因此，您应该注意协方差和相关系数接近于零。非常感谢您共享的代码。另一方面，他想从我这里得到一些东西，比如模拟。我不应该为此制作100000个数字吗？我问错问题了吗？@YusufUçan是的，你应该提出。您可以通过将此代码封装在函数中，然后再次返回

samples

作为输出。我试试看。