以下产生一组1000000的随机数据，作为整体空间
每轮随机抽取500个数据来测试，发现数学期望、变化其实并不离谱。

虽然编程我不懂，但是听说电脑的随机数是伪随机，不知道对不对

之前程序截图上传错了，与文字不符，改动是为了看起来更加大一点。
应该为
result = np.random.normal(10000, 5000, 1000000)
加大方差，换句话说数据振幅更大，取平均值10000，方差10000。这样的数据彼此差别很大，我随机产生一组，然后从中取最开始30个感受一下就可以知道。
>>> np.random.normal(10000, 10000, 1000000)[0:30]
array([ 18376.93875825, 19114.60024465, 18479.67977211, 3575.91864197,
3108.67192603, 4091.94171461, 19250.39572106, 31365.00030684,
-12711.5102704 , 26970.14526856, 9166.87183765, 21357.37512818,
19297.13713559, 22919.55150555, 3025.71463615, -2523.99604488,
14475.70086213, 26940.70302404, 13865.52614117, 18243.6073329 ,
12504.11159407, 12947.37672149, 16279.51744598, 6110.53044142,
-494.28437916, 3766.17416612, 3362.31711771, 3981.87197086,
9921.77536439, -8055.58595069])
我们来看看数学期望、标准差、三阶矩开乘方(标准差是二阶矩开乘方)
我们进行100轮实验，每轮实验从1000000个数据中随机取50个数据，然后计算平均值、标准差、三阶矩立方根。
All:
mean 9987.399566963837
std 10000.537939433838
std_3 11687.473089149114
mean_max 12572.672294693994
mean_min 6742.592642561673
std_max 12053.5
15070523254

std_min 7483.274862928862
std_3_max 12278.774093641017
std_3_min 11687.598819621848
发现，平均值从6742~12572，比起10000也不算太离谱，毕竟有10000的方差，方差7483~12053，围绕10000也不算太离谱，三阶一致性就更加好了。
说明还是50取的太小，我们取500做100轮试试。
All:
mean 10001.227270505542
std 10009.911214883783
std_3 11700.871884279448
mean_max 11071.09191911349
mean_min 8867.035352852348
std_max 11134.648893786023
std_min 9255.596983358897
std_3_max 11775.220947240325
std_3_min 11700.871993642737
比50情况好多了。
那如果每次取5000个数据做100轮
All:
mean 10009.943217351638
std 9992.61201335704
std_3 11675.775420941236
mean_max 10459.291045938362
mean_min 9740.82774803951
std_max 10184.441024724065
std_min 9713.748371073589
std_3_max 11687.293227135506
std_3_min 11675.773707783808
这个一致性就更加厉害，注意，这可是100轮这样的抽样，而且是放在一起看平均值、方差、三次矩的最大最小值。
那些对随机有误解的人，建议仔细看一看这篇，品味品味，随机并不是只有偶然性的，其必然性也是一样的明显。

计算机真是方便👍🏻。讲公式太过于抽象，直观的实验就不得不服！

上面用的是正态分布的源，那我们用个更加生活化的东西来采样，比如我们用红楼梦或者你想的任何很自然的东西都行。
红楼梦就在这里下载吧
https://www.bookben.net/txt/8542.html
程序修改一下，另外既然三阶矩一致性那么强也干脆去掉算了。
运行结果表明，依然存在这样的一致性
每轮随机选取50个，做100轮
每轮随机选取500个，做100轮
每轮随机选取5000个，做100轮

真心的，不要再掩耳盗铃，某些东西是冥冥中注定的规律，是可以用严格数学推理出来的，偶然性和必然性是随机的两面，只看到偶然性却没看到必然性是一种无知。

你整个三维立体图来表达不好吗，这个Python一点都不好看。即使不用matlab，用Excel可以吧。

既然有中医粉能认识这个是Python,还提出用matlab画图，看来是有那么一点文化的中医粉，好吧，我用maltab画个图。
和2楼里的程序功能一样，
每批抽样50个下的统计
每批抽样500个下的统计
每批抽样5000个下的统计

计算机都是伪随机数啊

统计一下更好，下面显示的代码改一下就可以了
100轮太少，改1000轮，每批500抽样。
10000轮太慢，

10000次实验图像更加漂亮一些

我们可以看的很清楚，抽样统计的结果无论是数学期望、还是标准差，乃至其他的统计，都是围绕着整体的整体统计结果的周围。