此概率分布的均值（对应着整个分布的中心centre）
scale：float
此概率分布的标准差（对应于分布的宽度，scale越大越矮胖，scale越小，越瘦高）
size：int or...采样（sampling）
# 从某一分布（由均值和标准差标识）中获得样本
mu, sigma = 0, .1
s = np.random.normal(loc=mu, scale=sigma, size...mu, sigma).rvs(1000)
校验均值和方差：
>>> abs(mu < np.mean(s)) < .01
True
>>> abs(sigma-np.std(s, ddof=1)) <....01
True
# ddof，delta degrees of freedom，表示自由度
# 一般取1，表示无偏估计，
拟合
我们看使用matplotlib.pyplot...lw=2, c='r')
plt.show()
或者：
s_fit = np.linspace(s.min(), s.max())
plt.plot(s_fit, st.norm(mu, sigma).pdf
云服务器
ICP备案
对象存储
腾讯会议
云直播
