从python中的二元法线取样

时间:2011-12-29 23:48:43

标签: python numpy distribution random-sample

我正在尝试创建两个相互关联的随机变量,我相信最好的方法是从具有给定参数的二元正态分布中绘制(对其他想法开放)。不相关的版本看起来像这样:

import numpy as np
sigma = np.random.uniform(.2, .3, 80)
theta = np.random.uniform( 0, .5, 80)

但是,对于80个绘制中的每一个,我希望sigma值与theta值相关。有什么想法吗?

2 个答案:

答案 0 :(得分:11)

使用内置:http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.multivariate_normal.html

>>> import numpy as np
>>> mymeans = [13,5]  
>>> # stdevs = sqrt(5),sqrt(2)
>>> # corr = .3 / (sqrt(5)*sqrt(2) = .134
>>> mycov = [[5,.3], [.3,2]]   
>>> np.cov(np.random.multivariate_normal(mymeans,mycov,500000).T)
array([[ 4.99449936,  0.30506976],
       [ 0.30506976,  2.00213264]])
>>> np.corrcoef(np.random.multivariate_normal(mymeans,mycov,500000).T)
array([[ 1.        ,  0.09629313],
       [ 0.09629313,  1.        ]])
  1. 如图所示,如果你必须调整非单位差异,事情就会变得更加毛茸茸)
  2. 更多参考:http://www.riskglossary.com/link/correlation.htm
  3. 要真实有意义,协方差矩阵必须对称,并且还必须是正定正半定(必须是可反转)。特定的反相关结构可能是不可能的。

答案 1 :(得分:0)

可以使用import multivariate_normal中的

scipy。假设我们创建随机变量xy

from scipy.stats import multivariate_normal

rv_mean = [0, 1]  # mean of x and y  
rv_cov = [[1.0,0.5], [0.5,2.0]]  # covariance matrix of x and y
rv = multivariate_normal.rvs(rv_mean, rv_cov, size=10000)

您有x的{​​{1}}和rv[:,0]的{​​{1}}。相关系数可从

获得
y