NumPy 1.14 - RandomState.normal()

numpy.random.RandomState.normal




numpy

numpy.random.RandomState.normal

RandomState.normal(loc=0.0, scale=1.0, size=None)

सामान्य (गाऊसी) वितरण से यादृच्छिक नमूने खींचें।

सामान्य वितरण की संभावना घनत्व समारोह, पहले डी [R358358] द्वारा और 200 साल बाद गॉस और लाप्लास दोनों स्वतंत्र रूप से [R358358] द्वारा प्राप्त किया जाता है, जिसे अक्सर इसकी विशेषता आकृति के कारण घंटी वक्र कहा जाता है (नीचे उदाहरण देखें)।

सामान्य वितरण प्रकृति में अक्सर होता है। उदाहरण के लिए, यह बड़ी संख्या में छोटे, यादृच्छिक गड़बड़ी से प्रभावित नमूनों का आमतौर पर होने वाले वितरण का वर्णन करता है, प्रत्येक का अपना अनूठा वितरण [R358358]

पैरामीटर:

लोकेशन: फ्लोट्स की फ्लोट या array_like

वितरण का मतलब ("केंद्र")।

पैमाना : तैरने की फ़्लोट या अरै_ल

वितरण का मानक विचलन (प्रसार या "चौड़ाई")।

आकार : इंट या टुपल इन्टस, वैकल्पिक

आउटपुट आकार। यदि दी गई आकृति है, जैसे, (m, n, k) , तो m * n * k नमूने खींचे जाते हैं। यदि आकार None (डिफ़ॉल्ट), तो एक मान लौटाया जाता है यदि loc और scale दोनों स्केलर हैं। अन्यथा, np.broadcast(loc, scale).size नमूने तैयार किए जाते हैं।

यह दिखाता है:

बाहर : ndarray या स्केलर

पैरामीटर किए गए सामान्य वितरण से नमूने खींचे।

यह भी देखें

scipy.stats.norm
संभाव्यता घनत्व फ़ंक्शन, वितरण या संचयी घनत्व फ़ंक्शन, आदि।

टिप्पणियाँ

गाऊसी वितरण के लिए संभाव्यता घनत्व है

p (x) = \ frac {1} {\ sqrt {2 \ pi \ sigma ^ 2}} e ^ {- \ frac {(x - \ mu) ^ 2} {2 \ sigma ^ 2}},>

कहा पे \ म्यू मतलब है और \ सिग्मा मानक विचलन। मानक विचलन का वर्ग, \ सिग्मा ^ 2 , को विचरण कहा जाता है।

इस माध्य में फ़ंक्शन का चरम है, और मानक विचलन के साथ इसका "प्रसार" बढ़ता है (फ़ंक्शन अधिकतम पर 0.607 बार पहुंचता है) x + \ _ सिग्मा तथा एक्स - \ सिग्मा [R358358] )। इसका तात्पर्य यह है कि numpy.random.normal उन नमूनों की वापसी की संभावना अधिक है, जो दूर के बजाय दूर के करीब हैं।

संदर्भ

[R357358] विकिपीडिया, "सामान्य वितरण", http://en.wikipedia.org/wiki/Normal_distribution
[R358358] ( 1 , 2 , 3 , 4 ) पीआर पीबल्स जूनियर, "प्रोबेबिलिटी, रैंडम वेरिएबल्स और रैंडम सिग्नल प्रिंसिपल्स" में "सेंट्रल लिमिट थ्योरम", 4 वां संस्करण।, 2001, पीपी। 51, 51, 125।

उदाहरण

वितरण से नमूने लें:

>>> mu, sigma = 0, 0.1 # mean and standard deviation
>>> s = np.random.normal(mu, sigma, 1000)

माध्य और विचरण को सत्यापित करें:

>>> abs(mu - np.mean(s)) < 0.01
True
>>> abs(sigma - np.std(s, ddof=1)) < 0.01
True

संभाव्यता घनत्व फ़ंक्शन के साथ नमूनों का हिस्टोग्राम प्रदर्शित करें:

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 30, normed=True)
>>> plt.plot(bins, 1/(sigma * np.sqrt(2 * np.pi)) *
...                np.exp( - (bins - mu)**2 / (2 * sigma**2) ),
...          linewidth=2, color='r')
>>> plt.show()
../../_images/numpy-random-RandomState-normal-1.png