Python 使用numpy.random.randn()生成的正态分布的平均值不是';0';
我试图遵循这一点,他们试图证明,随着样本大小的增加,样本逐渐呈现出正态分布的特征 我尝试使用Python 使用numpy.random.randn()生成的正态分布的平均值不是';0';,python,numpy,normal-distribution,quantopian,Python,Numpy,Normal Distribution,Quantopian,我试图遵循这一点,他们试图证明,随着样本大小的增加,样本逐渐呈现出正态分布的特征 我尝试使用numpy.random.randn()方法生成正态分布,如教程所示 我知道该方法返回a,对于正态分布,mean=0和标准偏差=1 但是,当我检查这个分布的平均值和标准偏差时,它们显示出奇怪的值,即平均值=0.23和标准偏差=0.49 代码: 结果: 0.231567632423 0.488577812058 我猜这可能是因为我只看了一个样本,而不是整个分布,这不是完全正常的。但如果是这样的话: 我应该
numpy.random.randn()
方法生成正态分布,如教程所示
我知道该方法返回a,对于正态分布,mean=0
和标准偏差=1
但是,当我检查这个分布的平均值和标准偏差时,它们显示出奇怪的值,即平均值=0.23
和标准偏差=0.49
代码:
结果:
0.231567632423
0.488577812058
我猜这可能是因为我只看了一个样本,而不是整个分布,这不是完全正常的。但如果是这样的话:
你有一个或6个样本。它不够大,无法接近正态分布。尝试使用600或6000来获得分布的良好表示
将numpy导入为np
x=np.random.randn(600)
x、 mean(),x.std()
#返回:
(-0.07760043571247623, 0.9664411074909558)
x=np.random.randn(6000)
x、 mean(),x.std()
#返回:
(0.003908119246211815, 1.0001989021750033)
六面模具的平均辊数应为3.5。但是,如果只滚动6次,平均值不太可能达到3.5。您的样本量为6。它不够大,无法接近正态分布。尝试使用600或6000来获得分布的良好表示
将numpy导入为np
x=np.random.randn(600)
x、 mean(),x.std()
#返回:
(-0.07760043571247623, 0.9664411074909558)
x=np.random.randn(6000)
x、 mean(),x.std()
#返回:
(0.003908119246211815, 1.0001989021750033)
六面模具的平均辊数应为3.5。但是,如果仅滚动6次,则平均值不太可能达到3.5。您的样本非常小,因此预计会出现与平均值=0和sd=1的偏差。随着样本量的增加,分布将接近标准正态分布。@ayhan,我现在明白了。请发布MCVE。不要期望人们离开现场回答问题you@MadPhysicist,补充说code@MadPhysicist在问题中添加了代码和结果。您的样本非常小,因此期望与平均值=0和sd=1的偏差。随着样本量的增加,分布将接近标准正态分布。@ayhan,我现在明白了。请发布MCVE。不要期望人们离开现场回答问题you@MadPhysicist,补充说code@MadPhysicist添加了问题中的代码和结果。
0.231567632423
0.488577812058