对数正态分布
Lognormal Distribution
定义均值为 15.1466、标准差为 0.3738 的对数正态函数时,应得到的结果如下:
但是当我运行下面的代码用python来做时,我得到的结果是不一样的。
mu, sigma = 15.1466, 0.3738
s = np.random.lognormal(mu, sigma, 10000)
count, bins, ignored = plt.hist(s, 30,
density=True,
color='blue')
x = np.linspace(min(bins),
max(bins), 10000)
pdf = (np.exp(-(np.log(x) - mu)**2 / (2 * sigma**2))
/ (x * sigma * np.sqrt(2 * np.pi)))
plt.plot(x, pdf, color='black')
plt.grid()
plt.show()
均值和标准差与对数正态分布参数 mu 和 sigma 不同
勾选wiki
基本上,给定均值和 std.dev,计算均值和方差,然后求解两个方程组以求得 mu 和 sigma
只有这样,您才能将 mu 和 sigma 送入例程以进行采样、PDF 等
定义均值为 15.1466、标准差为 0.3738 的对数正态函数时,应得到的结果如下:
但是当我运行下面的代码用python来做时,我得到的结果是不一样的。
mu, sigma = 15.1466, 0.3738
s = np.random.lognormal(mu, sigma, 10000)
count, bins, ignored = plt.hist(s, 30,
density=True,
color='blue')
x = np.linspace(min(bins),
max(bins), 10000)
pdf = (np.exp(-(np.log(x) - mu)**2 / (2 * sigma**2))
/ (x * sigma * np.sqrt(2 * np.pi)))
plt.plot(x, pdf, color='black')
plt.grid()
plt.show()
均值和标准差与对数正态分布参数 mu 和 sigma 不同
勾选wiki
基本上,给定均值和 std.dev,计算均值和方差,然后求解两个方程组以求得 mu 和 sigma
只有这样,您才能将 mu 和 sigma 送入例程以进行采样、PDF 等