Python génère des pseudo-données de distribution normale

Question

J'essaie de générer des données pour, par exemple, l'âge par rapport au nombre d'heures consacrées au débordement de la pile en une semaine. J'ai essayé d'utiliser la fonction randn mais cela ne me permet pas de contrôler la plage de valeurs générées et la quantification des valeurs. J'ai essayé quelques algorithmes tels que box muller méthode mais le même problème se pose là aussi. Les deux variables uniformes peuvent être générées mais quel est le contrôle sur les valeurs de la distribution normale? Quelqu'un peut-il m'expliquer, comment je peux le faire en python?

Answer 1

Je pense que c'est ce que vous cherchez:

def get_truncated_normal(mean=0, sd=1, low=0, upp=10): 
    return truncnorm(
     (low - mean)/sd, (upp - mean)/sd, loc=mean, scale=sd) 

X = get_truncated_normal(mean=15, sd=2, low=0, upp=1000) 
a=(X.rvs(100)) 

Answer 2

Le random.normal de Numpy fera l'affaire. Vous devez fournir la médiane, SD et la taille désirée.

import numpy as np 
import matplotlib.pyplot as plt 
import scipy.stats as stats 

M = 25 
SD = 5 
n = 100 
age = np.random.normal(M, SD, n) 
sorted_age = sorted(age) 

pdf = stats.norm.pdf(sorted_age, M, SD) 
plt.plot(sorted_age, pdf) 
plt.show() 

Answer 3

Je suppose que les deux variables sont indépendantes. C'est une façon de faire juste l'âge.

>>> import numpy as np 

Générez un échantillon aléatoire, normale univariée de la taille 50 avec l'emplacement et l'échelle à la fois 30.

>>> ages = np.random.normal(30,30,50) 

Jeter les valeurs inférieures à zéro. Si vous avez besoin d'une taille d'échantillon fixe, vous devrez faire quelque chose d'un peu plus intelligent. Obtenez la plus grande valeur d'âge, pour savoir quelle doit être la plus grande limite de la poubelle.

>>> max(ages) 
90.513300401178611 

Créer des bacs auquel attribuer les âges, 0 à 1, 1 à 2, etc.

>>> bins = np.arange(0,92,1) 

Vérifiez que la limite du dernier bac est assez grand pour accueillir le plus grand âge.

>>> max(bins) 
91 

Affectez les âges aux emplacements.

>>> sample = np.digitize(ages, bins) 

Afficher le résultat.

>>> sample 
array([20, 82, 73, 21, 7, 39, 56, 23, 37, 15, 9, 21, 46, 6, 51, 13, 89, 
     47, 46, 4, 78, 33, 29, 26, 74, 72, 62, 52, 2, 48, 39, 91, 40, 38, 
     40, 12, 59, 77, 52, 65, 35, 69, 31, 74, 18], dtype=int64)