给定具有上限和下限误差的平均值,计算分割正态分布的最佳方法是什么?
到目前为止我已经:
from random import choice, gauss
def random_split_normal(mu: float, upper_sigma: float, lower_sigma:int) -> float:
return abs(gauss(0.0, 1.0)) * choice([upper_sigma, -lower_sigma]) + mu
我多次调用它来生成数组:
random_array = []
for _ in range(1000):
random_array.append(random_split_normal(1.0, 2.0, 1.0))
制作 random_array
的直方图时会产生以下结果:
我想知道随机使用 upper_sigma
或 lower_sigma
是否是执行此操作的正确方法?
最佳答案
您的解决方案在数学上是等效的,但效率较低,因为您不必要地应用abs()和choice(),而您只需查看gauss()的符号即可。
这应该接近定义。我还重新调整了西格玛以符合我们通常的数轴方向(左侧负无穷大)
def random_split_normal(mu: float, lower_sigma: float, upper_sigma: float) -> float:
z = gauss(0, 1)
return mu + z * (lower_sigma if z < 0 else upper_sigma)
关于python - split 正态分布,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/54442632/