歡迎訪問少兒編程網(wǎng)（http://www.pxcodes.com）

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；**后模擬1000組，每組拋50次，并取每一組的平均值看分布情況。Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

python驗證中心極限定理的方法：Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

中心極限定理：Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

從一個給定的服從任意分布的總體當中，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。Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

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，結果越來越接近于3.5Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

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。Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

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。Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

<link rel="stylesheet"/><link rel="stylesheet"/>

相關免費學習推薦：python視頻教程Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺

以上就是python如何驗證中心極限定理的詳細內(nèi)容，更多請關注少兒編程網(wǎng)其它相關文章！Wy2少兒編程網(wǎng)-Scratch_Python_教程_免費兒童編程學習平臺