Python 两步概率绘制-结合概率加权函数和从实际正态分布绘制

我想根据一个特定的概率函数，用python绘制一个随机值（r）：

该值应为固定常数，概率为（p），概率为（1-p），该值从区间（a，b）的正态分布中随机抽取

在我看来，该函数由两部分组成：

第一张图：概率为p和（1-p）的概率加权函数

第二次抽取：区间（a，b）中截断正态分布的抽取

f、 e.

常数=10；p=0,3；1-p=0,7，a=5，b=15

我的想法是：

r=random.choices（[constant，random.normal（）]，weights=（0.3,0.7））

---

但是，它似乎不起作用，而且我不知道如何包含区间（a，b）。

你的想法是正确的，但你没有正确处理正态分布。首先，如果您使用的是

import random

，您的选择是

random.gauss（mu，sigma）

或

random.normalvariate（mu，sigma）

。没有

normal（）

函数。第二，正态分布的范围是无限的。您可以指定分布中心

mu

，以及

sigma

，这是一种分布度量，使得约95%的结果将落在

mu±2*sigma

范围内。如果确实需要限制范围，则需要使用循环编写自己的函数，以拒绝超出范围限制的值，然后重试

下面是一个工作示例，展示了您的想法：

随机导入
常数=-42
μ=10
西格玛=2
对于范围（10）内的uu：
r=随机选择（（常数，随机，高斯（μ，σ）），权重=（0.3,0.7））
印刷品（r）

对于那些

mu

和

sigma

的值，超出范围[5,15]的结果将很少见，但肯定仍然会发生

这将产生如下结果：

[7.674159248587632]
[-42]
[7.818652194185853]
[-42]
[7.418414458386396]
[11.855000252151326]
[12.398753049340957]
[9.663097201849096]
[-42]
[10.385663464672415]

如果您不喜欢括号，

print（r[0]）