使用 jax.random.normal 对具有特定均值和标准差的单变量高斯分布进行采样答案

【问题标题】：sampling univariate gausssian with specific mean and standard deviation using jax.random.normal使用 jax.random.normal 对具有特定均值和标准差的单变量高斯分布进行采样
【发布时间】：2021-03-16 22:41:06
【问题描述】：

我正在尝试从具有特定标准偏差和均值的高斯中进行采样，我知道 following function 正在从均值为零且标准偏差等于 1 的高斯中进行采样：

import jax
from jax import random

key = random.PRNGKey(0)
mu = 20
std = 4

x1 = jax.random.normal(key, (1000,))

我可以通过x1 = x1 + mu 来调整平均值，但是如何调整标准差？

【问题讨论】：

标签： python gaussian jax

【解决方案1】：

以这种方式创建您的示例：

x1 = mu + std * jax.random.normal(key, (1000,))

如果这样做，样本的直方图将遵循预期分布：

import jax
from jax import random
from jax.scipy.stats import norm
import matplotlib.pyplot as plt

key = random.PRNGKey(0)
mu = 20
std = 4

x1 = mu + std * jax.random.normal(key, (1000,))
plt.hist(x1, bins=50, density=True)

x = jnp.linspace(5, 35, 100)
y = norm.pdf(x, loc=mu, scale=std)
plt.plot(x, y)

【讨论】：

【解决方案2】：

这个

x1 = std * x1 + mu

会给你想要的

【讨论】：

谢谢，我试过了，但是当我绘制x1 的直方图时，它看起来不对
@ValientProcess 这有点令人惊讶，因为这是高斯随机变量的基本属性。如果您将直方图添加到您的问题并解释为什么它看起来不适合您，这可能会有所帮助。也许还有其他事情发生