在正态分布抽样时怎么设置上下限
问题： 试产生一个100 × 6的矩阵 Data，Data 矩阵每个元素是 0~100 的整数并服从正态分布 𝑁(𝜇𝑖, 𝜎𝑖2) ，可将此矩阵理解为 100 名同学的六门课程（高等数学，大学物理，线性代数，化学，英语，C 语言）的成绩，并假设μ = [𝜇1, 𝜇2, 𝜇3, 𝜇4, 𝜇5, 𝜇6] = [65,71,80,83,75,78] σ = [𝜎1, 𝜎2, 𝜎3, 𝜎4, 𝜎5, 𝜎6] = [10,14,6,9,15,17]
mu=np.array([65,71,80,83,75,78])
std=np.array([10,14,6,9,15,17])
scores=np.zeros((100,6))
for i in range(0,6):
scores[:,i]=stats.norm.rvs(loc=mu,scale=std,size=100)
这样会有很多比100大的数，该如何限制上下限
问题： 试产生一个100 × 6的矩阵 Data，Data 矩阵每个元素是 0~100 的整数并服从正态分布 𝑁(𝜇𝑖, 𝜎𝑖2) ，可将此矩阵理解为 100 名同学的六门课程（高等数学，大学物理，线性代数，化学，英语，C 语言）的成绩，并假设μ = [𝜇1, 𝜇2, 𝜇3, 𝜇4, 𝜇5, 𝜇6] = [65,71,80,83,75,78] σ = [𝜎1, 𝜎2, 𝜎3, 𝜎4, 𝜎5, 𝜎6] = [10,14,6,9,15,17]
mu=np.array([65,71,80,83,75,78])
std=np.array([10,14,6,9,15,17])
scores=np.zeros((100,6))
for i in range(0,6):
scores[:,i]=stats.norm.rvs(loc=mu,scale=std,size=100)
这样会有很多比100大的数，该如何限制上下限
