numpy.random.random的间隔为b / w 0.0和1.0 https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.random.random.html#numpy.random.random。
类似地,numpy.random.normal函数的间隔是多少。 https://docs.scipy.org/doc/numpy-1.15.0/reference/generated/numpy.random.normal.html
答案 0 :(得分:1)
对于正态分布,与平均值相差超过10个标准偏差的值极不可能,但并非不可能。而且,距离<20>标准偏差的值极端不太可能,但仍然不是不可能。
例如,人类的身高与正态分布相似,但不完全相同,因为身高小于零是不可能的。对于正态分布,这是有可能的,只是非常不可能的。答案 1 :(得分:1)
如果您不输入任何参数,则np.random.normal()
将从standard normal distribution中提取,其中mean
为0
,而std
(1.0
的标准偏差)。
关于分布的参数,您可以使用以下函数计算值将超出mean +/- z
(其中z
是任意值)的几率:
import scipy.special as sps
def oddsbeyond(z, std=1):
return 1 - sps.erf((z/std)/2**.5)
有关上述功能的更多详细信息,请参见wiki article on the error function erf
。
这是一张“表”,其赔率可能位于mean +/- z*std
的{{1}}之外:
z = (0, 1, ..., 9)
输出:
print(np.array([np.arange(10), oddsbeyond(np.arange(10))]).T)
因此,[[0.00000000e+00 1.00000000e+00]
[1.00000000e+00 3.17310508e-01]
[2.00000000e+00 4.55002639e-02]
[3.00000000e+00 2.69979606e-03]
[4.00000000e+00 6.33424837e-05]
[5.00000000e+00 5.73303144e-07]
[6.00000000e+00 1.97317529e-09]
[7.00000000e+00 2.55961918e-12]
[8.00000000e+00 1.22124533e-15]
[9.00000000e+00 0.00000000e+00]]
的值加上均值将位于均值的95%
标准差之内,而到您获得均值的2.0
均值标准差时,超出该值的分数太小了,以至于可以使用9.0
值(标准的Numpy double
)轻松表达。