TensorFlow入门教程：15 Noise Data: Gaussian Distribution

正态分布（Normal distribution）最初由数学家棣莫弗于1733年提出。在自然科学与行为科学等多个领域中，正态分布均展现出广泛的应用价值，例如各类心理学测试的得分以及物理现象如光子计数等，均被发现近似遵循正态分布规律，而其背后的根本原因往往难以明确。高斯在统计学中对正态分布的研究起到了关键性作用，他首次将该分布应用于天文学领域，以纪念其贡献，后人也将正态分布称为高斯分布。
此外，噪声数据的分布同样可以借助正态分布进行模拟。本文将阐述如何生成并展示符合正态分布的数据，并将其与前文所述的随机分布进行比较分析。

正态分布

针对随机变量X，设其方差为σ²，均值为μ，则对应的正态分布概率密度函数可表示为：

正态分布 vs 标准正态分布

在正态分布中，依据其概率密度函数的特性可知，参数μ决定了分布的位置，而σ（西格玛）则影响