为什么 numpy.random.normal 在 ndarray 中给出一些负值？
Why does numpy.random.normal gives some negative value in the ndarray?
我知道对于任何选定的均值和标准差值，正态分布总是大于 0。
>> np.random.normal(scale=0.3, size=x.shape)
[ 0.15038925 -0.34161875 -0.07159422 0.41803414 0.39900799 0.10714512
0.5770597 -0.16351734 0.00962916 0.03901677]
此处均值为 0.0，标准差为 0.3。但是 ndarray 中的某些值是负数。我对正态分布曲线始终为正的解释有误吗？
编辑：
但是在 matlab 中使用 normpdf 函数总是给出一个正值数组，我猜这是概率密度函数（y 轴）。而 numpy.random.normal 给出正值和负值（x 轴）。现在这很混乱。
从正态分布生成的值确实取负值。
例如，对于均值为 0 的正态分布。我们需要一些正值和负值才能使平均值为零。此外，对于均值为 0 的正态分布，正态或负态的可能性均等。
它实际上取任何具有正概率的实数。您可能会对概率密度函数始终为正感到困惑。
尽量不要期望概率均值为 0，因为这毫无意义，您期望您的随机事件永远不会发生。
尝试使用 np.random.normal(0.5, 0.3, 1000) 之类的东西来表达您的正态概率分布。
此外，仔细研究 Normal Distribution 的数学，以便能够轻松构建概率密度函数。
我知道对于任何选定的均值和标准差值，正态分布总是大于 0。
>> np.random.normal(scale=0.3, size=x.shape)
[ 0.15038925 -0.34161875 -0.07159422 0.41803414 0.39900799 0.10714512
0.5770597 -0.16351734 0.00962916 0.03901677]
此处均值为 0.0，标准差为 0.3。但是 ndarray 中的某些值是负数。我对正态分布曲线始终为正的解释有误吗？
编辑：
但是在 matlab 中使用 normpdf 函数总是给出一个正值数组，我猜这是概率密度函数（y 轴）。而 numpy.random.normal 给出正值和负值（x 轴）。现在这很混乱。
从正态分布生成的值确实取负值。
例如，对于均值为 0 的正态分布。我们需要一些正值和负值才能使平均值为零。此外，对于均值为 0 的正态分布，正态或负态的可能性均等。
它实际上取任何具有正概率的实数。您可能会对概率密度函数始终为正感到困惑。
尽量不要期望概率均值为 0，因为这毫无意义，您期望您的随机事件永远不会发生。
尝试使用 np.random.normal(0.5, 0.3, 1000) 之类的东西来表达您的正态概率分布。
此外，仔细研究 Normal Distribution 的数学，以便能够轻松构建概率密度函数。