在统计学和概率论中，高斯分布（也称为正态分布）是一种连续概率分布，经常出现在各种自然现象和实际应用中。在Python中，我们可以使用numpy和scipy等科学计算库来定义高斯随机变量并生成符合高斯分布的随机数。
首先，我们需要了解高斯分布的基本参数：均值（mean）和标准差（standard deviation）。均值决定了分布的中心位置，而标准差决定了分布的宽度。
接下来，我们将介绍如何在Python中定义高斯随机变量。
使用numpy库
numpy是Python中常用的科学计算库，提供了大量用于数学和科学计算的函数和工具。在numpy中，我们可以使用
numpy.random.normal()
函数来生成符合高斯分布的随机数。
示例代码：
import numpy as np# 定义高斯随机变量，均值为0，标准差为1mu, sigma = 0, 1# 生成10个符合高斯分布的随机数random_samples = np.random.normal(mu, sigma, 10)print(random_samples)
使用scipy库
scipy是另一个强大的科学计算库，提供了许多用于数学、科学和工程领域的函数和工具。在scipy中，我们可以使用
scipy.stats.norm
类来定义高斯随机变量，并使用其方法来计算高斯分布的各种统计量。
示例代码：
