正确与错误表示取数据均值与数据正态分布均值的绝对差？

Question

注意：如果有任何问题，请发表评论，而不是投反对票。

我正在查阅正态（高斯）分布的文档，在示例中，他们说：

验证均值和方差：

abs(mu - np.mean(s)) < 0.01

和

abs(sigma - np.std(s, ddof=1)) < 0.01

哪个返回True或False。

正确和错误确切指示什么？是否指示TP，FP，FN和TN？如果是这样，那意味着什么？像下面的快照一样，False和True表示什么？是不好还是它的功能，使期望值不符合实际分布（从图中可以明显看出来，但是那些布尔值是否也能说明这一点）？

让我知道这个问题需要进一步澄清。

参考：Numpy Documentation

和情节，这里发生了什么？：

Answer 1

在上面提供的代码中，Python返回一个布尔表达式：True或False。每当计算逻辑表达式时，都会返回一个布尔值。在您共享的第一个示例中，Python将表达式解释为“取变量mu和np.mean(s)之间的差的绝对值，并检查该差是否小于0.01。如果条件[C0 ]为真，Python将返回abs(mu - np.mean(s)) < 0.01，否则返回True。其他示例也是如此。