Python numpy.random.normal только положительные значения

Question

Я хочу создать нормальный распределенный массив с numpy.random.normal, который состоит только из положительных значений. Например, следующее показывает, что оно иногда возвращает отрицательные значения, а иногда и положительные. Как я могу изменить его, чтобы он возвращал только положительные значения?

>>> import numpy 
>>> numpy.random.normal(10,8,3) 
array([ -4.98781629, 20.12995344, 4.7284051 ]) 
>>> numpy.random.normal(10,8,3) 
array([ 17.71918829, 15.97617052, 1.2328115 ]) 
>>> 

Я предполагаю, что я мог бы решить эту проблему как-то так:

myList = numpy.random.normal(10,8,3) 

while item in myList <0: 
     # run again until all items are positive values 
     myList = numpy.random.normal(10,8,3) 

Answer 1

Нормальное распределение, по определению, простирается от -inf до + инф так, что вы просите не имеет смысла математически ,

Вы можете принять нормальное распределение и принять абсолютное значение «клип» на положительные значения или просто отбросить отрицательные значения, но вы должны понимать, что он больше не будет нормальным распределением.

Answer 2

Вы можете компенсировать весь ваш массив наименьшим значением (слева) от массива. То, что вы получаете, может быть не совсем «нормальным распределением», но в рамках вашей работы, касающейся конечного массива, вы можете убедиться, что значения положительны и соответствуют кривой колокола.

>>> mu,sigma = (0,1.0) 
>>> s = np.random.normal(mu, 1.0, 100) 
>>> s 
array([-0.58017653, 0.50991809, -1.13431539, -2.34436721, -1.20175652, 
     0.56225648, 0.66032708, -0.98493441, 2.72538462, -1.28928887]) 
>>> np.min(s) 
-2.3443672118476226 
>>> abs(np.min(s)) 
2.3443672118476226 
>>> np.add(s,abs(np.min(s))) 
array([ 1.76419069, 2.85428531, 1.21005182, 0.  , 1.14261069, 
     2.90662369, 3.00469429, 1.3594328 , 5.06975183, 1.05507835]) 

Answer 3

Я предполагаю, что вы имеете в виду, что вы хотите изменить плотность вероятности таким образом, что она имеет такую ​​же форму, как обычно в положительном диапазоне, и нуль в отрицательном. Это довольно распространенный практический случай. В таком случае вы не можете просто взять абсолютное значение генерируемых нормальных случайных величин. Вместо этого вы должны создать новое независимое нормально распределенное число, пока не придумаете положительный. Один из способов сделать это рекурсивно, см. Ниже.

import numpy as np def PosNormal(mean, sigma): x = np.random.normal(xbar,delta_xbar,1) return(x if x>=0 else PosNormal(mean,sigma))

Answer 4

что об использовании Логнормальное вдоль этих линий:

mu = np.mean(np.log(list)) 
    sigma = np.std(np.log(list)) 

    new_list = np.random.lognormal(mu, sigma, length_of_new_list)