Skip to main content
 首页 » 编程设计

python之在 scipy 中使用直方图数据生成随机样本

2024年10月24日17jyk

假设我有一个过程,我按下一个按钮,经过一定时间(1 到 30 分钟)后,一个事件发生了。然后,我进行了大量试验,并记录每次试验发生事件所需的时间。然后将此原始数据缩减为一组 30 个数据点,其中 x 值是事件发生所花费的分钟数,y 值是落入该桶的试验百分比。我无权访问原始数据。

我如何使用这组 30 个点来确定合适的概率分布,然后我可以用它来生成具有代表性的随机样本?

我觉得 scipy.stats 内置了我需要的所有工具,但对于我的生活,我无法弄清楚如何去做。有什么建议吗?

请您参考如下方法:

如果你对已经产生的数据的底层功能没有任何先验信息,我建议你使用numpy.polyfit符合给定次数的多项式。

import matplotlib.pyplot as plt 
import numpy as np 
 
y = np.array([ 0.005995184, ...]) # your array 
x = np.arange(len(y)) 
 
f = np.poly1d(np.polyfit(x, y, 10)) 
 
x_new = np.linspace(x[0], x[-1], 30) 
y_new = f(x_new) 
 
plt.plot(x,y,'o', x_new, y_new) 
plt.xlim([x[0]-1, x[-1] + 1 ]) 
plt.show() 

这里是 degree = 10 的例子。

为了从生成的多项式分布中获得未知值,您只需:

f(13.5) 

在这种情况下给出:

0.0206996531272