给定序列的均值和方差，如何生成具有确定性随机游走和漂移的时间序列数据？

Question

我得到了均值和方差。我需要根据给定的变量产生确定性的随机游动。这些是时间序列数据的预期属性：

1. 平均值：27.57020098
2. 中位数：27.815
3. 标准开发：5.106888439
4. 差异：26.08030952
5. 最大：43.92
6. 最低：0
7. 范围：43.92

我尝试了以下方法，

    steps = np.random.normal(loc=0, scale=5.034, size=1000) #std =5.304
    steps[0]=0
    P = 27.50 + np.cumsum(steps) #mean =27.5
    plt.plot(P)
    plt.title("Simulated Random Walk")
    plt.show()

哪个生产

Answer 1

让我们考虑可能值的数量为n。您的函数返回一个自然数，0 <= i

i = t mod n

现在，获取第i个可能的值。您需要将最小偏移量（1000）添加到结果中并获取第i个数字。

编辑：

如果您知道最小数量为1000，而第i个元素与第（i +1）个元素之间的间隔正好是k（正态分布），则使用的公式将为

结果= 1000 + i * k

Answer 2

使用标准库，您可以每次为随机函数添加相同的值，从而使序列具有确定性。我提供了一个说明原理的示例。

import random

seed = 'pseudo-random'          # Can be anything
random.seed(a=seed, version=2)  # Use the same seed every time

float_list = []    # List to contain a small sample of  values
mean =  27.57020098
dev = 5.106888439

for x in range(20):
    value = random.gauss(mean, dev)
    if value > 43.92: value = 43.92 # Limit max value
    if value < 0: value = 0         # Limit min value
    float_list.append('{:.3f}'.format(value))

print(float_list)

我不知道np是否允许这种每次使用相同种子的方式。