生成完美随机高斯数

Question

我尝试生成一系列具有高斯分布的随机数。所以，我使用了 numpy.random.normal(mean,standard deviation,size)。但是，当我使用 numpy.histogram 将这些数字转换为概率密度函数时，这与 matplotlib.mlab.normpdf 具有相同均值和标准差的高斯分布不同。

我知道这可能是因为 numpy.random.normal 是随机抽样。所以，这些数字的 PDF 不可能是完美的高斯分布。

如果可能的话，您能否就如何获得具有高斯 PDF 的均值和标准差的随机数序列提供任何建议？ 我试图得到的数字的大小是 660。

我将非常感谢任何建议和帮助。

最好的问候，

艾萨克

Answer 1

好吧，您可以通过减去样本均值然后除以样本标准差来对样本进行“z 评分”：

x = np.random.normal(0, 1, size=660)
x = (x - x.mean()) / x.std()

这将使您的向量的平均值为 0，标准差为 1。但这并不意味着您将拥有“完美的高斯随机数”。我不认为这是一个真正有意义的概念。

了解您想将其用于什么应用程序会很有帮助，也许这样建议替代方案会更容易。