📝 正态分布是概率论和统计学中非常重要的一种连续概率分布。它广泛应用于自然和社会科学领域，尤其是在处理随机变量时。当我们谈论正态分布时，通常会提到它的两个关键参数：平均值（μ）和标准差（σ）。这两个参数定义了正态分布的形状和位置。

📊 今天，我们将通过Python编程语言来绘制一个正态分布的概率密度函数（PDF）。这将帮助我们更好地理解正态分布在不同参数下的形态变化。使用Python中的matplotlib库和scipy库，我们可以轻松地实现这一目标。让我们一起动手实践，探索这个神奇的数学概念吧！

👩‍💻 示例代码如下：

```python

import numpy as np

import matplotlib.pyplot as plt

from scipy.stats import norm

定义参数

mu, sigma = 0, 1 平均值和标准差

创建数据点

x = np.linspace(mu - 4sigma, mu + 4sigma, 100)

计算概率密度

y = norm.pdf(x, mu, sigma)

plt.plot(x, y)

plt.title('正态分布概率密度函数')

plt.show()

```

🚀 运行这段代码后，你将看到一个美丽的曲线图，展示了正态分布的概率密度函数。希望这个简单的示例能够激发你对统计学的兴趣，并鼓励你进一步探索更多有趣的应用！