正态分布的密度函数具有数学美感，但很多人并不知道它是如何得到的，本文介绍两种推导方法。3Blue1Brown 的视频 Why π is in the normal distribution 中详细介绍了这种方式。
有人天真的人认为我们的世界在很多领域经常发生极端事件，在一些领域中也许存在这样特别极端的例子，但是，其实很大一部分领域，极端现象都非常少，就像世界上没有身高15米的人一样，因为我们的世界大部分事物服从正态分布。
如果你是一位程序员，编程时就一定用过随机函数。例如，要从1到100之间随机生成一个整数，写程序时就要事先定义一个1到100的取值范围，然后调用随机函数，得到一个该取值范围内等概率的随机数，就是说这100个数中出现任何数字的概率都是1/100。
简单起见，本文用大写字母X 表示随机变量，小写字母x 表示随机变量能够取到的值。可视化正态分布，可直接通过 np.random.normal 函数生成指定均值和标准差的正态分布随机数，然后基于 matplotlib + seaborn 库 kdeplot函数绘制概率密度曲线。
