生成遵循分布的平滑的随机数

Question

我有两个变量，我们称之为x和y，它们在绘制时是图中分散的蓝点。 我使用Scipy的曲线拟合了它们。

我想生成（比方说500000）＆＃34;平滑＆＃34; 随机数复制分布，后跟x和y。

通过＆＃34;平滑＆＃34; 我的意思是，我不希望randoms完全复制我的数据（x和y）数字低于， red diamonds being my data distribution and the histogram being my generated randoms. （甚至数据的波动在这里复制!!!! ）。我想要一个平滑的＆＃34;直方图。

到目前为止，我尝试过使用scipy中的x来匹配点y和curve_fit。所以现在我知道数据分布是什么。现在我需要创建遵循上述拟合 /分布的随机数。

P.S我也试过从0到1创建统一的randoms并试图得到拟合曲线下面的点，但我不知道怎么做！

Answer 1

我建议您对数据分布进行拟合，然后向其中添加一些随机的“噪声”，这应该会产生一些仍然遵循您的分布的数据，但是随机出现以用于您需要的任何目的。

下面是一些代码，它使数据分布适合（在函数curve中），然后使用numpy.random模块随机化从中检索的数据。

import numpy as np
import matplotlib.pyplot as plt
from random import random

# I don't have your data but let's assume that this function 
# replicates the data distribution you want to work with.
def curve(x):
    return 2. * x + 5.

N = 100
x = np.linspace(0,1,100)
y_fit = curve(x)

# margin controls how "noisy" you want your fit to be.
margin = 0.5

noise = margin*(np.random.random(N)-0.5)
y_ran = y_fit + noise

plt.plot(x, y_fit) # Plot the fitted distribution.
plt.plot(x, y_ran, 'rx') # Plot the noisy data.

plt.show()

请注意，这只创建了100个随机结果，如果您愿意，可以根据需要修改代码。

Answer 2

我认为您可以做的是将您的拟合重新缩放到y范围[0,1]，然后开始以下循环：

  

  
• 生成随机x值
  
• 对于此x值，生成范围为[0,1]
的y值   
• 如果此y值低于该x值的重新缩放拟合值，则接受它，否则丢弃x-y对并转到循环的下一次迭代
  

这应该会给你一堆跟随你的平滑分布的随机数