用jax.random.normal抽样具有特定均值和标准差的单变量高斯方程
用jax.random.normal抽样具有特定均值和标准差的单变量高斯方程
提问于 2021-03-16 22:41:06
我试图从具有特定标准差和均值的高斯中取样，我知道跟随函数是从均值为零的高斯采样，而标准差等于1：
import jax
from jax import random
key = random.PRNGKey(0)
mu = 20
std = 4
x1 = jax.random.normal(key, (1000,))我可以通过做：x1 = x1 + mu来调整平均值，但是如何调整标准差呢？
回答 2
Stack Overflow用户
回答已采纳
发布于 2021-03-17 04:14:52
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的分布：
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)
Stack Overflow用户
发布于 2021-03-16 22:45:14
这
x1 = std * x1 + mu会给你你想要的
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/66664455
复制相关文章
相似问题
腾讯云开发者
