numpy学习笔记16： 1000 次独立随机游走实验(绘制其分布直方图，同时叠加理论正态分布曲线)

numpy学习笔记16： 1000 次独立随机游走实验(绘制其分布直方图，同时叠加理论正态分布曲线)

以下是这段代码(全部代码在最后)的详细分步解释，结合统计学原理和可视化技巧：

1. 代码功能概述

这段代码通过 1000 次独立随机游走实验，模拟粒子在直线上的运动轨迹，计算每次实验的最终位置，并绘制其分布直方图。同时叠加理论正态分布曲线，验证中心极限定理的应用。

2. 分步代码解析

(1) 参数设置

mu = 0              # 理论均值（对称随机游走的期望位置）
n_steps = 1000      # 每次实验的步数
sigma = np.sqrt(n_steps)  # 理论标准差 ≈ 31.62
n_simulations = 1000  # 实验次数

• mu=0：对称随机游走（左/右概率各 50%）的期望最终位置为 0。

• sigma 计算：

(2) 模拟随机游走

final_positions = [
    np.sum(np.random.choice([-1, 1], n_steps)) 
    for _ in range(n_simulations)
]

<