Skip to main content
 首页 » 编程设计

python之高斯随机分布的奇怪行为

2024年11月01日7小虾米

我正在运行一段代码,其目的是获取 float 列表/数组和相同长度的关联列表/数组作为“错误”,并根据高斯分布随机排列第一个列表。

这是代码的MWE:

import random 
import numpy as np 
 
def random_data(N, a, b): 
    # Generate some random data. 
    return np.random.uniform(a, b, N).tolist() 
 
# Obtain values for x. 
x = random_data(100, 0., 1.) 
# Obtain error/sigma values for x. 
x_sigma = random_data(100, 0., 0.2) 
 
# Generate new x values shuffling each float around a 
# Gaussian distribution with a given sigma. 
x_gauss = random.gauss(np.array(x), np.array(x_sigma)) 
 
print x-x_gauss 

我发现执行 x-x_gauss 的结果是一个 float 列表,它总是正数或负数。这意味着 random.gauss 调用总是为 x 中的每个 float 分配一个更大的新值,或者为 x< 中的所有值分配一个更小的新值/。

我希望 random.gauss 调用将 x 中的 float 围绕其值向右和向左移动,因为这是一个随机过程。

为什么这没有发生?我对流程的理解有误吗?

请您参考如下方法:

这是 definition of random.gauss :

def gauss(self, mu, sigma): 
    random = self.random 
    z = self.gauss_next 
    self.gauss_next = None 
    if z is None: 
        x2pi = random() * TWOPI 
        g2rad = _sqrt(-2.0 * _log(1.0 - random())) 
        z = _cos(x2pi) * g2rad 
        self.gauss_next = _sin(x2pi) * g2rad 
 
    return mu + z*sigma 

请注意,它正在为 z 生成 一个 值,并返回 mu + z*sigma。 由于 mu 和 sigma 是 numpy 数组,因此该计算是按元素进行的。由于 sigma 为正,因此偏移 z*sigma 始终为正或负,具体取决于 z

的符号

如果您使用的是 NumPy,除非有特殊原因,否则我会使用 np.random 模块来生成这些值。这比使用调用 random.gauss 的 Python 循环更快:

import numpy as np 
 
N = 100 
x = np.random.uniform(0., 1., size=N) 
x_sigma = np.random.uniform(0., 0.2, size=N) 
 
z = np.random.normal(0, 1, size=N) 
x_gauss = x + z*x_sigma 
 
print x-x_gauss