如何在Python中生成接近真实均值和标准差的统一随机数？[关闭]

问：

我正在尝试尽可能生成接近其理论定义的统一随机数，尤其是在 Python 中。（也就是说，我熟悉编程语言中 Pesudo 随机生成器 （PRG） 的概念。

我正在使用以下代码来解决这个问题（一个广为人知的解决方案）：

import random
import numpy as np

rands = []
rng = random.Random(5)

for i in range(10000):
  rands.append(rng.uniform(0,1))


print(f"mean: {np.mean(rands)}")
print(f"std: {np.std(rands)}")

结果是：

mean: 0.501672056714862
std: 0.2880418652775188

通过更改初始种子，我们可以观察到我们将获得大致相同的值。

另一方面，从理论方面，我们知道 [0， 1] 之间的均匀随机变量的均值和标准差 （std） 等于 0.5 和 1/12 （~ 0.08333）。

正如我们观察到的，生成的随机数的 std 大于 1/4（是理论的 3 倍）。

因此，一个合理的问题是“我应该如何调整这种实现以使更接近理论的 std？

我知道这种差异背后的基本原理源于该函数中使用的 PRG 的核心实现。但是，我正在寻找任何其他方法来解决这个问题。random

更新：

这只是方差和 std 之间的混淆，如下所述！