使用 numpy.random.randn() 生成的正态分布的平均值不是“0”答案

【问题标题】：Mean of normal distribution generated using numpy.random.randn() is not '0'使用 numpy.random.randn() 生成的正态分布的平均值不是“0”
【发布时间】：2020-04-20 11:25:43
【问题描述】：

我试图关注tutorial from quantopian，他们试图证明样本随着大小的增加逐渐表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，如教程中所示。

我了解此方法返回 sample of the standard normal distribution，而对于正态分布，则返回 mean = 0 和 standard deviation = 1

但是，当我检查这个分布的均值和标准差时，它们显示出奇怪的值，即 mean = 0.23 和 standard deviation = 0.49。

代码：

import numpy as np
import matplotlib.pyplot as plt
#np.random.seed(123)
normal = np.random.randn(6)

print (normal.mean())
print (normal.std())

结果：

0.231567632423
0.488577812058

我猜这可能是因为我查看的是只是一个样本，而不是整个分布，这并不完全正常。但如果是这样的话：

我应该从这个样本中获得哪些特征？
教程的建议是不是错了，因为它永远不会是正态分布？

【问题讨论】：

您的样本非常小，因此预计会出现均值 = 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。不要指望人们离开现场来回答你
@MadPhysicist，添加代码
@MadPhysicist 添加了问题中的代码和结果。

标签： python numpy normal-distribution quantopian

【解决方案1】：

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

import numpy as np

x = np.random.randn(600)
x.mean(), x.std()
# returns:
(-0.07760043571247623, 0.9664411074909558)

x = np.random.randn(6000)
x.mean(), x.std()
# returns:
(0.003908119246211815, 1.0001989021750033)

6 面骰子的平均掷骰数应为 3.5。但是，如果您只滚动 6 次，您的平均数不太可能达到 3.5。

【讨论】：