Python中的標(biāo)準(zhǔn)正態(tài)分布是一種常見的概率分布模型，用于描述具有零均值和單位標(biāo)準(zhǔn)差的隨機(jī)變量。

import numpy as np
import matplotlib.pyplot as plt
# 生成標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)
mean = 0
sigma = 1
size = 10000
s = np.random.normal(mean, sigma, size)
# 繪制標(biāo)準(zhǔn)正態(tài)分布概率密度函數(shù)圖像
count, bins, ignored = plt.hist(s, 30, density=True)
plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
np.exp( - (bins - mean)**2 / (2 * sigma**2) ),
linewidth=2, color='r')
plt.show()

以上代碼中，首先使用numpy庫的random模塊生成了10000個(gè)符合標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)數(shù)，其中mean、sigma分別表示期望和標(biāo)準(zhǔn)差。

然后使用matplotlib庫繪制了這些隨機(jī)數(shù)對(duì)應(yīng)的概率密度函數(shù)圖像。

由于標(biāo)準(zhǔn)正態(tài)分布的概率密度函數(shù)是無解析積分的，因此在繪制時(shí)使用了高斯函數(shù)的表達(dá)式來近似。

繪制出的圖像可以直觀地表示標(biāo)準(zhǔn)正態(tài)分布的特點(diǎn)，即隨機(jī)變量集中在均值周圍，并且隨著距離均值的增加，隨機(jī)變量的概率密度逐漸減小。