正如我们在numpy.random.normal
的文档中看到的那样numpy.random.normal(loc = 0.0,scale = 1.0,size = None)绘制随机样本 来自正常(高斯)分布。
正态分布的概率密度函数,首先 由De Moivre和200年后由高斯和拉普拉斯衍生而来 独立[R217],因其常被称为钟形曲线 特征形状(见下面的例子)。
正常分布通常在自然界中发生。例如,它 描述了受影响的样品的常见分布 大量微小的随机干扰,每个都有自己独特的 分配[R217]。参数:
loc:float
分布的平均值(“中心”)。
scale:float
分布的标准差(差价或“宽度”)。
size:整数的int或元组,可选
输出形状。如果给定的形状是例如(m,n,k),则m * n * k 抽取样本。默认值为None,在这种情况下单个值为 返回。
然后np.random.normal(10 - 1. / (x + 0.1), 0.5)
x = 10**np.linspace(-2, 0, 8)
为什么有效
答案 0 :(得分:3)
您的代码会绘制8个数字,每个数字来自不同的高斯分布。 x的值作为分布参数,但每个都用于在该分布中生成一个样本。
您的代码相当于:
np.random.normal(np.zeros(8), 0.5) + 10 - 1. / (x + 0.1)
即。使用正态分布生成8个数字并将它们移动x。