用高斯噪声绘制线条

时间:2015-04-22 05:14:09

标签: python gaussian

我的任务是编写一个名为random_line的函数,该函数为具有正态分布N(0,σ^ 2)的y方向随机噪声的线创建x和y数据: 表达式y = mx + B + N(0,σ^ 2)。

我现在的问题是,我猜的数学与编程有关。为了创建我的ydata点,我猜我必须将我的x数据点数组插入上面的等式中。但是,我不知道如何计算N(0,σ^ 2)部分。有什么想法吗?

def random_line(m, b, sigma, size=10):
    """Create a line y = m*x + b + N(0,sigma**2) between x=[-1.0,1.0]

    Parameters
    ----------
    m : float
        The slope of the line.
    b : float
        The y-intercept of the line.
    sigma : float
        The standard deviation of the y direction normal distribution noise.
    size : int
        The number of points to create for the line.

    Returns
    -------
    x : array of floats
        The array of x values for the line with `size` points.
    y : array of floats
        The array of y values for the lines with `size` points.
    """
    xdata = np.linspace(-1.0,1.0,size)
    ydata = 'xxxxxxx'
    return xdata, ydata

2 个答案:

答案 0 :(得分:1)

使用scipy.stats中的分布,可以轻松地创建正态分布式错误,使您可以轻松地将它们添加到xdata等其他numpy数组中:

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

def random_line(m, b, sigma, size=10):
    xdata = np.linspace(-1.0,1.0,size)
    # Generate normally distributed random error ~ N(0, sigma**2)
    errors = scipy.stats.norm.rvs(loc=0, scale=sigma, size=size)
    ydata = m * xdata + b + errors
    return xdata, ydata

xs, ys = random_line(2, 3, 2, size=50)

# Plot to see how closely the values fit the 
#   original line
fig, ax = plt.subplots()
ax.plot(xs, ys, 'o')
ax.plot(xs, 2 * xs + 3)

答案 1 :(得分:0)

查看Python标准库中的random.normalvariate。