Skip to main content
 首页 » 编程设计

python之使用 For 循环重写 numpy.random.binomial

2025年05月04日10bluestorm

目前我有以下代码

def approx_binomial(n, p, size=None): 
    gaussian = np.random.normal(n*p, n*p*(1-p), size=size) 
    # Add the continuity correction to sample at the midpoint of each integral bin. 
    gaussian += 0.5 
    if size is not None: 
        binomial = gaussian.astype(np.int64) 
    else: 
        # scalar 
        binomial = int(gaussian) 
    return binomial 

但是,它不是很准确,因为它使用了随机函数。有没有其他方法可以使用 for 循环重写函数?

我的另一个问题是如何显示概率质量函数与成功次数的关系图?

def approx_binomial(n, p, size=None): 
    gaussian = np.random.normal(n*p, n*p*(1-p), size=size) 
    # Add the continuity correction to sample at the midpoint of each integral bin. 
    gaussian += 0.5 
    if size is not None: 
        binomial = gaussian.astype(np.int64) 
    else: 
        # scalar 
        binomial = int(gaussian) 
    return binomial 
plt.plot(n,p) 
plt.show() 

谢谢!

请您参考如下方法:

使用 for 循环从二项分布中获取随机样本的明显方法是:

import random 
 
def binomial_random_sample(n, p): 
    ret = 0 
    for j in range(n): 
        if random.random() < p: 
            ret += 1 
    return ret 

或者如果您更喜欢更简洁的方法:

def binomial_random_sample(n, p): 
    return sum(random.random() < p for j in range(n))