1樓:綣語
一般的正態分佈可以通過標準正態分佈配合數學期望向量和協方差矩陣得內到。格式為:numpy.random.randn(d0, d1, ..., dn)
python使用
容mersenne twister為核心的生成器,它會生成53 bit精度的浮點值,週期為2的19937次方減1,底層的c語言實現是快速和執行緒安全的.
python 怎樣生成正態分佈的隨機數
2樓:匿名使用者
import random
exp = 0 //期望
var = 1 //方差
x = random.normalvariate(exp, var) //你要生成的隨機數
python求正態分佈的隨機數
3樓:匿名使用者
比如要生成符合f()分佈的隨機數,f的反函式是g,那麼先生成定義域內專的均勻分佈的隨機數,在帶屬入g(x)計算就好。
對於你這個問題,python有自帶的方法。
#!/usr/bin/python2.7
import random
random.normalvariate(帶三個引數,你試試)
4樓:匿名使用者
有numpy的子函會快很多,推薦使用
5樓:藍梅雪泡
python安裝numpy包,使用
import numpy,
result=numpy.random.normal(均值,方差,生成隨機數個數)
result就是你需要的結果
python**如何產生在某一區間內的正態分佈的隨機數,求指點一下,謝謝啦
6樓:小健健
提問者你好,我在想這個的過程中可能幫你做出來了,所以就先用了,如果覺得ok,請採納
# 載入包為scipy統計包中的norm
from scipy.stats import norm
# my example
# 因為我要提取的是35747個在[33.76,56.25]的正態隨機數
x7 = norm.rvs(size=35747)
# 現在提取出來的是在服從n(0,1)分佈上的正態隨機數
# 我現在要提取服從n((56.25-33.76)/2+33.76,1)的正態隨機數
# (統計標準化定義反推回去去做)
x7 = (x7*1)+(56.25-33.76)/2
# 則可以得到你想要的結果
# your example
import random
from scipy.stats import norm
x1 = random.uniform((0-35)/22, (180-35)/22)
x1 = norm.rvs(x1, size=100)
x1 = (x1*22)+35
print(x1)
# (0-35)/22是正態化處理,要知道在這裡面它如何變幻
# 之後幫你做了做,影象在上面自己看吧
7樓:
f=normrnd(0,1,1,100)hist(f)
如何用python語言,產生某一區間內的正態分佈的100個隨機數
8樓:育知同創教育
import matplotlib.pyplot as plt
import scipy.stats as stats
lower, upper = 3.5, 6
mu, sigma = 5, 0.7
x = stats.trun**orm(
(lower - mu) / sigma, (upper - mu) / sigma, loc=mu, scale=sigma)
n = stats.norm(loc=mu, scale=sigma)
fig, ax = plt.subplots(2, sharex=true)
ax[0].hist(x.rvs(10000), normed=true)
ax[1].hist(n.rvs(10000), normed=true)
plt.show()
python判斷使用者輸入的是正偶數
說明 python輸入的內容在內部全部為字串，所以要判斷這個字串是否為一個數字。大多法內部函式並不能對各種形式的資料做出正確判斷，例如isdigit 函式只能判斷字串是否為純資料組成對於負數則無效了。所以可以使用float 來檢測，對各種數字的表示方法都有效果。方法 定義函式 def isnub s...
python程式有什麼好的自動從註釋生成的方法
你可以使用doxygen或者sphinx，現在python文件就是使用sphinx生成的，你可以到官網看一下具體的使用方法。如果解決了您的問題請採納！如果未解決請繼續追問 用sphinx 以win32系統為例，最簡單的安裝方式是在dos下輸入如下 pip install u sphinx 安裝好了之...
關於Python中的隨機數生成步驟和隨機數質量
python生成隨機數和隨機數質量的方法，random.random 用於生成一個指定範圍內的隨機符點數，兩個引數其中一個是上限，一個是下限。如果a b，則生成隨機數 print random.uniform 10,20 print random.uniform 20,10 18.735660652...