使用Python从单尾分布生成范围内的随机数

我想从一个单尾分布生成一个范围为[0,1]的随机浮点，如下所示

上面是卡方分布。但是，我只能从一个范围内的均匀分布中找到有关绘图的资源。

查看库

numpy.random.chisquare（df，size=None）

你可以用一个，例如

这里我们从一个

Beta（2，5）

分布中提取数字

贝塔分布是统计学中一种非常通用且基本的分布；无需详细说明，通过更改参数

alpha

和

Beta

，您可以使分布左偏、右偏、均匀、对称等。分布是在区间

[0，1]上定义的

这与您的目标一致

---

更具技术性的评论 虽然贝塔分布的代数性质肯定比贝塔分布好，但我认为后者是更基本的分布；例如，在贝叶斯推理中，贝塔分布在处理二项式（-like）过程时通常作为共轭先验

其次，贝塔分布的平均值和方差可以非常简单地用参数

alpha

，

Beta

表示；例如，平均值简单地由

alpha/（alpha+Beta）

表示

---

最后，从计算和统计推断的角度来看，将Beta分布拟合到数据通常在Python（或R）中的几行代码中完成，其中大多数Python库，如

numpy

和

scipy

已经包含了处理Beta发行版的方法。

我倾向于自然限定在[0…1]区间（或任何其他[a…b]区间，可以稍后重新缩放）的发行版，比如@MauritsEvers的答案。原因是，你知道这个分布，并且可以得到（或阅读）一些关于它的有趣事实。如果你使用chi2和截断它，你不清楚如何争论你所拥有的东西的属性

就我个人而言，我更喜欢贝塔分布，平均值、模式、方差等的表达式要简单得多

只需安装它

pip install kumaraswamy

和样品

from kumaraswamy import kumaraswamy

d = kumaraswamy(a=2.0, b=5.0)

q = d.rvs(10)
print(q)

在维基文章中，将在洋红色曲线后生成10个数字

---

如果您不想要Beta或Kumaraswamy，有f.e.和其他许多

如果您想要从ChiSquare发行版中抽取大小

N=5的样本，您可以尝试库：

有一个完整的发行版列表

sample
具有OpenTURNS格式，但您可以将其作为Numpy数组进行操作：

s = np.array(Sample)
print(s)
>>>array([[1.65299759],
      [6.78405097],
      [0.88528975],
      [0.87900211],
      [0.25031129]])

只需调用：
distribution.drawPDF（）

定制：

from openturns.viewer import View
graph = distribution.drawPDF()
title = str(distribution)[:100].split('\n')[0]
graph.setTitle(title)
View(graph, add_legend=False)

我看到了这一点，但我不确定如何保证[0,1]中的值。您应该说是要截断分布（即忽略范围（0,1）之外的部分）还是要重新缩放它（即将间隔（0,15）映射到（0,1））。我想重新缩放itOK。考虑到：忽略大于15的值（即仅过滤掉它们），对于每个小于或等于15的值，除以15。您可以调用
numpy.random.chisquare
以获取要使用的值列表。
import openturns as ot`
# define your distribution. Here, nu = 3. (nu is a float > 0)
distribution = ot.ChiSquare(3) 

# draw a sample of size N from `distribution`
N=5
sample = distribution.getSample(N)

s = np.array(Sample)
print(s)
>>>array([[1.65299759],
      [6.78405097],
      [0.88528975],
      [0.87900211],
      [0.25031129]])

from openturns.viewer import View
graph = distribution.drawPDF()
title = str(distribution)[:100].split('\n')[0]
graph.setTitle(title)
View(graph, add_legend=False)