Come generare un casuale normale distribuzione di interi

Question

Come generare un numero intero casuale come con np.random.randint(), ma con una distribuzione normale circa 0.

np.random.randint(-10, 10) restituisce interi con un discreto uniforme distribuzione np.random.normal(0, 0.1, 1) rendimenti galleggia con una distribuzione normale

Quello che voglio è un tipo di combinazione tra le due funzioni.

Answer 1

Un altro modo possibile per ottenere una distribuzione discreta che assomiglia la distribuzione normale è quello di trarre da una distribuzione multinomiale dove le probabilità sono calcolate da una distribuzione normale.

import scipy.stats as ss 
import numpy as np 
import matplotlib.pyplot as plt 

x = np.arange(-10, 11) 
xU, xL = x + 0.5, x - 0.5 
prob = ss.norm.cdf(xU, scale = 3) - ss.norm.cdf(xL, scale = 3) 
prob = prob/prob.sum() #normalize the probabilities so their sum is 1 
nums = np.random.choice(x, size = 10000, p = prob) 
plt.hist(nums, bins = len(x)) 

Qui, np.random.choice raccoglie un intero da [-10, 10]. La probabilità di selezionare un elemento, ad esempio 0, è calcolata da p (-0.5 < x < 0.5) dove x è una variabile casuale normale con media zero e deviazione standard 3. Scelto std. dev. come 3 perché in questo modo p (-10 < x < 10) è quasi 1.

Il risultato assomiglia a questo:

Answer 2

Potrebbe essere possibile generare una distribuzione simile da Truncated Normal Distribution arrotondata agli interi. Ecco un esempio di Scipy truncnorm().

import numpy as np 
from scipy.stats import truncnorm 
import matplotlib.pyplot as plt 

scale = 3. 
range = 10 
size = 100000 

X = truncnorm(a=-range/scale, b=+range/scale, scale=scale).rvs(size=size) 
X = X.round().astype(int) 

Vediamo come si presenta

bins = 2 * range + 1 
plt.hist(X, bins)