Python numpy.random.normal tylko pozytywne wartości

Question

Chcę utworzyć normalną rozproszoną tablicę z numpy.random.normal, która składa się tylko z wartości dodatnich. Na przykład poniższe ilustruje, że czasami daje wartości ujemne, a czasem dodatnie. Jak mogę go zmodyfikować, aby przywracał tylko wartości dodatnie?

>>> import numpy 
>>> numpy.random.normal(10,8,3) 
array([ -4.98781629, 20.12995344, 4.7284051 ]) 
>>> numpy.random.normal(10,8,3) 
array([ 17.71918829, 15.97617052, 1.2328115 ]) 
>>> 

Chyba mogę go rozwiązać jakoś tak:

myList = numpy.random.normal(10,8,3) 

while item in myList <0: 
     # run again until all items are positive values 
     myList = numpy.random.normal(10,8,3) 

Answer 1

Rozkład normalny, z definicji, rozciąga się od inf do + inf więc co prosicie nie ma sensu matematycznego .

Możesz przyjąć rozkład normalny i przyjąć wartość bezwzględną, aby "przypiąć" do wartości dodatnich, lub po prostu odrzucić wartości ujemne, ale należy zrozumieć, że nie będzie to już rozkład normalny.

Answer 2

Możesz przesunąć całą tablicę o najniższą wartość (najbardziej po lewej stronie) tablicy. To, co dostajesz, może nie być prawdziwie "normalną dystrybucją", ale w ramach twojej pracy, zajmując się skończoną tablicą, możesz zapewnić, że wartości są dodatnie i mieszczą się pod krzywą dzwonową.

>>> mu,sigma = (0,1.0) 
>>> s = np.random.normal(mu, 1.0, 100) 
>>> s 
array([-0.58017653, 0.50991809, -1.13431539, -2.34436721, -1.20175652, 
     0.56225648, 0.66032708, -0.98493441, 2.72538462, -1.28928887]) 
>>> np.min(s) 
-2.3443672118476226 
>>> abs(np.min(s)) 
2.3443672118476226 
>>> np.add(s,abs(np.min(s))) 
array([ 1.76419069, 2.85428531, 1.21005182, 0.  , 1.14261069, 
     2.90662369, 3.00469429, 1.3594328 , 5.06975183, 1.05507835]) 

Answer 3

Przypuszczam, że to, co masz na myśli to, że chcesz zmodyfikować gęstość prawdopodobieństwa taka, że ​​jest to ten sam kształt, jak zwykle w dodatnim zakresie, a zero w negatywie. To dość powszechny przypadek praktyczny. W takim przypadku nie można po prostu przyjąć bezwzględnej wartości wygenerowanych normalnych zmiennych losowych. Zamiast tego musisz wygenerować nowy niezależny, normalnie rozproszony numer, dopóki nie uzyskasz pozytywnego wyniku. Jednym ze sposobów, aby to zrobić jest rekursywnie, patrz poniżej.

import numpy as np def PosNormal(mean, sigma): x = np.random.normal(xbar,delta_xbar,1) return(x if x>=0 else PosNormal(mean,sigma))

Answer 4

co o używaniu lognormal wzdłuż tych linii:

mu = np.mean(np.log(list)) 
    sigma = np.std(np.log(list)) 

    new_list = np.random.lognormal(mu, sigma, length_of_new_list)