使用高斯分布的数字平方

Question

有没有一种方法可以使用高斯分布计算数字的平方（最接近的近似值），比如 4，其中 mu 是数字，sigma 是 0.16。并获得 1000 个随机点？

我在网上搜索了很多，但找不到解决办法。任何一段代码都会非常有帮助，因为我是 python.

的新手

Answer 1

您可以使用 numpy.random.randn 从 docs、

生成标准高斯分布，然后可以根据需要对其进行缩放

For random samples from N(\mu, \sigma^2), use:

sigma * np.random.randn(...) + mu

以你的例子为例，

import numpy as np
import matplotlib.pyplot as plt

N = 4.
mu = N**2
sigma = 1/N**2

dist = np.sqrt(sigma) * np.random.randn(1000) + mu
plt.hist(dist,30)
plt.show()

如果不想用numpy，也可以用random模块，

import random

dist = [random.normalvariate(mu, sigma) for i in range(1000)]

Answer 2

假设您已经生成了数据，您可以通过取数据的平均值来找到 mu（即数字的平方）的近似值。通过 law of the large numbers 您可以确定，随着数据量的增加，近似值会变得更加准确。示例：

import random


def generate_data(size):
    mu, sigma = 4 ** 2, 0.16
    return [random.gauss(mu, sigma) for _ in range(size)]


def mean(ls):
    return sum(ls) / len(ls)

print(mean(generate_data(10)))     #15.976644889526114
print(mean(generate_data(100)))    #16.004123848232233
print(mean(generate_data(1000)))   #16.00164187802018
print(mean(generate_data(10000)))  #16.001000022147206

使用高斯分布的数字平方

square of a number using gaussian distribution

python

random

gaussian