时间戳

首页 > 解决方案 > 使用 Python，生成 100 X 100 随机矩阵，其条目是从正态分布中采样的

python - 使用 Python，生成 100 X 100 随机矩阵，其条目是从正态分布中采样的

问题描述

使用 numpy.random 生成随机向量。用 Python 编写代码，生成一个 100 X 100 的随机矩阵，其条目是来自正态分布的样本。

这是我制作的，不确定这是否正确。我也有关于正态分布的问题。我的随机数应该来自某个池吗？比如 $[0,1]$ 或者是否有可能得到超出这个范围的值？

这是在 Jupyter Notebook 中编写的代码：

import numpy as np
a = np.random.randn(100,100)
a
array([[-0.42952803, -0.55136761, -0.45544016, ..., -0.54125441,
     2.31481612,  0.93721055],
   [-0.2440975 , -0.10233273, -0.06972217, ..., -0.25760561,
     0.48431004, -0.91599734],
   [-1.39176645, -0.79784139, -0.21914249, ...,  2.38224209,
     1.57696294,  0.48747715],
   ...,
   [ 0.38458431, -1.75968742,  1.64696889, ...,  1.43273609,
    -0.74896945,  0.48588267],
   [ 1.22934075,  1.27112809, -0.40593726, ...,  0.63584471,
     0.11152366, -2.23030795],
   [ 1.5910005 ,  0.29184142, -0.01811951, ..., -0.25800051,
    -0.09681777,  0.40182752]])

标签： pythonmatrixjupyter-notebooknormal-distribution

解决方案

您所做的是正确的，但有几点需要注意。

首先，np.random.randn()专门用于从标准正态分布（平均值为 0，标准差为 1）中绘制。根据您的问题，这听起来像是您想要的，但请注意，您也可以使用np.random.normal(mu, sd, size=(100, 100))wheremu是您要从中采样的正态分布的平均值，并且sd是标准偏差。

关于您关于值应该在什么范围内的问题，它们肯定不限于[0, 1]. 正态分布是在所有实数上定义的连续概率密度函数，因此理论上您可以看到任何实数，尽管随着远离均值而观察每个值的概率会降低。

有关一般正态分布的更多信息，我建议阅读Wolfram 的此页面。

推荐阅读