y = np.random.normal(loc=np.random.randint(2),scale=1.2) 的概率密度函数 p(y) 是多少?
What is the probability density function p(y) for y = np.random.normal(loc=np.random.randint(2),scale=1.2)?
假设我们生成一个随机变量如下:
y = np.random.normal(loc=np.random.randint(2),scale=1.2)
那么在这种情况下y即p(y)的概率密度函数(pdf)是多少?
提前致谢。
这是绝对连续分布(正态分布)和离散分布(均匀分布)的混合。在本例中,分布具有以下形式的概率密度函数 (PDF):
∑y fy(x) * g(y),
其中——
- fy 是正常的 PDF(y , 1.2) 分布(y[=59= 的均值],1.2 的标准差),以及
- g(y) 是 [0, 2) 中整数的离散均匀分布的概率质量函数(其中只能取值 0 和 1,因为
numpy.random.randint
不包括端点)。
另请参阅 Non-Uniform 随机变量生成 的第 16 页。
在这种情况下,混合 PDF 为:
- ∑y = 0, 1 N(x; y, 1.2) * (1/2), 或
- (N(x; 0, 1.2) + N(x; 1, 1.2)) / 2,
其中 N 是正态分布的 PDF。
另见“jdehesa”的评论。
(请注意 numpy.random.*
函数,包括 randint
和 normal
,是 NumPy 1.17 的遗留函数;另请参见 。)
假设我们生成一个随机变量如下:
y = np.random.normal(loc=np.random.randint(2),scale=1.2)
那么在这种情况下y即p(y)的概率密度函数(pdf)是多少?
提前致谢。
这是绝对连续分布(正态分布)和离散分布(均匀分布)的混合。在本例中,分布具有以下形式的概率密度函数 (PDF):
∑y fy(x) * g(y),
其中——
- fy 是正常的 PDF(y , 1.2) 分布(y[=59= 的均值],1.2 的标准差),以及
- g(y) 是 [0, 2) 中整数的离散均匀分布的概率质量函数(其中只能取值 0 和 1,因为
numpy.random.randint
不包括端点)。
另请参阅 Non-Uniform 随机变量生成 的第 16 页。
在这种情况下,混合 PDF 为:
- ∑y = 0, 1 N(x; y, 1.2) * (1/2), 或
- (N(x; 0, 1.2) + N(x; 1, 1.2)) / 2,
其中 N 是正态分布的 PDF。 另见“jdehesa”的评论。
(请注意 numpy.random.*
函数,包括 randint
和 normal
,是 NumPy 1.17 的遗留函数;另请参见