我想按钟的顺序生成正态分布。我使用此代码生成数字:
import numpy as np
mu,sigma,n = 0.,1.,1000
def normal(x,mu,sigma):
return ( 2.*np.pi*sigma**2. )**-.5 * np.exp( -.5 * (x-mu)**2. / sigma**2. )
x = np.random.normal(mu,sigma,n) #generate random list of points from normal distribution
y = normal(x,mu,sigma) #evaluate the probability density at each point
x,y = x[np.argsort(y)],np.sort(y) #sort according to the probability density
这是一个代码:Generating normal distribution in order python, numpy
但数字不符合钟形。有任何想法吗?非常感谢你
你有些困惑的事情。
random.normal从钟形曲线中随机抽取n
数
因此,您有1000个数字,每个数字都不同,全部来自曲线。要重新创建曲线,您需要应用一些分级。每个bin中的点数量将重新创建曲线(单个点本身几乎不能代表概率)。在你的x
矢量上使用一些广泛的binning只有1000点:
h,hx=np.histogram(x,bins=50)
并且将h
绘制为hx
的函数(因此我将您的一千个数字分组为50个区间,y
轴将显示区域中的点数:
现在我们可以看到x
是从钟形分布中得出的 - 落入中心区域的机会由高斯决定。这是一个抽样,因此每个点可能会有所不同 - 您使用的点数越多,分级越精细,越好(更平滑)。
y = normal(x,mu,sigma)
这只是在任何给定的x
上评估高斯,所以实际上,为normal
提供围绕你的平均值(mu)的任何数字列表,它将精确地计算钟形曲线(确切的概率)。绘制你的y
对x
(无论你的x
本身是高斯,但它是平均值的1000点,所以它可以重新创建函数):
看看它有多顺畅?那是因为它不是一个采样,它是一个精确的函数计算。你可以在0附近使用任何1000点,它看起来一样好。