Come utilizzare l'equivalente di rnorm() in python

Nel linguaggio di programmazione R possiamo utilizzare la funzione rnorm() per generare un vettore di valori casuali che segue una distribuzione normale con una media e una deviazione standard specifiche.

Ad esempio, il codice seguente mostra come utilizzare rnorm() per creare un vettore di 8 valori casuali che segue una distribuzione normale con una media di 5 e una deviazione standard di 2:

 #make this example reproducible
set. seeds (1)

#generate vector of 8 values that follows normal distribution with mean=5 and sd=2
rnorm(n=8, mean=5, sd=2)

[1] 3.747092 5.367287 3.328743 8.190562 5.659016 3.359063 5.974858 6.476649

L’equivalente della funzione rnorm() in Python è la funzione np.random.normal() , che utilizza la seguente sintassi di base:

np.random.normal(loc=0, scala=1, dimensione=Nessuno)

Oro:

• loc : Media della distribuzione
• scala : deviazione standard della distribuzione
• dimensione : dimensione del campione

L’esempio seguente mostra come utilizzare questa funzione nella pratica.

Esempio: utilizzare l’equivalente di rnorm() in Python

Il codice seguente mostra come utilizzare la funzione np.random.normal() per generare un array di valori casuali che segue una distribuzione normale con una media e una deviazione standard specifiche.

 import numpy as np

#make this example reproducible
n.p. random . seeds (1)

#generate array of 8 values that follow normal distribution with mean=5 and sd=2
n.p. random . normal (loc=5, scale=2, size=8)

array([8.24869073, 3.77648717, 3.9436565, 2.85406276, 6.73081526,
       0.39692261, 8.48962353, 3.4775862 ])

Il risultato è un array NumPy contenente 8 valori generati da una distribuzione normale con media pari a 5 e deviazione standard pari a 2.

Puoi anche creare un istogramma utilizzando Matplotlib per visualizzare una distribuzione normale generata dalla funzione np.random.normal() :

 import numpy as np
import matplotlib. pyplot as plt

#make this example reproducible
n.p. random . seeds (1)

#generate array of 200 values that follows normal distribution with mean=5 and sd=2
data = np. random . normal (loc=5, scale=2, size=200)

#create histogram to visualize distribution of values
plt. hist (data, bins=30, edgecolor=' black ')

Vediamo che la distribuzione dei valori è approssimativamente a campana con una media di 5 e una deviazione standard di 2.

Nota : puoi trovare la documentazione completa per la funzione np.random.normal() qui .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni in Python:

Come calcolare e tracciare la CDF normale in Python
Come tracciare una distribuzione normale in Python
Come testare la normalità in Python