为何我的Python蒙特卡洛模拟未生成正态分布？

你的代码模拟的是几何分布，而非正态分布，这是结果不符合预期的核心原因，具体分析如下：

1. 代码对应的分布类型 #

你的逻辑是：重复进行成功概率为P=0.1的伯努利试验，直到第一次成功为止，记录试验次数。这个随机变量服从的是几何分布——它是离散型分布，概率质量函数为 ( P(X=k) = (1-P)^{k-1}P )，形状呈现明显的右偏性：大部分试验次数集中在较小的数值上，随着次数增加，出现的概率呈指数衰减，和你给出的直方图趋势完全匹配。

2. 几何分布与正态分布的本质差异 #

• 正态分布是连续、对称的分布，取值围绕均值对称分布；
• 几何分布是离散、右偏的分布，取值集中在左侧，长尾向右延伸。
  两者的定义和形态完全不同，所以你的模拟结果不可能呈现正态分布。

3. 生成正态分布的示例代码 #

如果需要生成正态分布的蒙特卡洛样本，可以直接使用numpy的正态分布生成函数：

import numpy as np
import matplotlib.pyplot as plt

# 生成1000个均值为0、标准差为1的正态分布样本
samples = np.random.normal(loc=0, scale=1, size=1000)
plt.hist(samples, bins=30)
plt.show()

内容的提问来源于stack exchange，提问作者LeaG