Python中平均值已知时的随机数生成器

在Python中，我试图得到一个列表，其中10个随机数介于[0100]之间，平均值为25。我所有的信息都在下面

Total = 250
Number_of_users = 10
Average_score = 25

在过去，我随机使用高斯函数，但没有标准差，我有点卡住了。还有别的方法吗

我的输出类似于：

[20, 30, 18, 21, 27, 30, 15, 24, 31, 30]

我有一个想法：

import random

Number_of_users = 10
Average_score = 25

index = Number_of_users / 2
result = []

while index:
    index -= 1
    random_number = random.randint(0,51)
    result.append(random_number)
    result.append(50-random_number)

print (result)
print (sum(result))

你将得到5对随机数；对于每对随机数，第一个随机数在0~50之间生成，而第二个随机数依赖于第一个随机数

---

我的方法的一个缺点是，它不处理奇数个随机数

以下是两个限制条件：

数字是随机的

平均值收敛到25

由于对分布没有约束，实现这一点的一种方法是从两个不同的均匀分布中取样：

import random
out_list = []
for i in range(1,10):
    random_number = random.uniform(0,1)
    if random_number < 0.75:
        # Append uniform random number between 0 - 25 with probability .75
        out_list.append(random.randint(0,25))
    else:
        #Append uniform random number between 0-75 with probability 0.25
        out_list.append(random.randint(25,100))

print(out_list)
import statistics
print(statistics.mean(out_list))

随机导入
out_list=[]
对于范围（1,10）内的i：
随机数=随机均匀（0,1）
如果随机数<0.75：
#以概率在0-25之间附加均匀随机数。75
out_list.append（random.randint（0,25））
其他：
#附加0-75之间的均匀随机数，概率为0.25
out_list.append（random.randint（25100））
打印（输出列表）
进口统计
打印（统计。平均值（输出列表））

---

此外，这个问题可能会在stats.stackexchange.com上找到更好的答案。

您可以尝试平均值为25的贝塔分布，也就是说，选择a，b参数，使a/（a+b）=0.25。通过改变a、b参数，您可以在下图中了解您想要的方差。

---

好吧，如果你想

，如果可能的话，总数也将是250

，那么答案将是从中取样。根据定义，它将产生随机值，总和为250，平均值为25。如果其中一个数字超过100（这将是非常罕见的），我们将玩接受/拒绝游戏。在NumPy的帮助下

import numpy as np

Total = 250
Number_of_users = 10
Average_score = 25
Upper_boundary = 100

probs = np.full(10, 1.0/np.float64(Number_of_users), dtype=np.float64) # probabilities

N = 10000 # samples to test
k = 0
while k < N:
    q = np.random.multinomial(Total, probs)
    t = np.where(q > Upper_boundary) # check for out-of boundaries
    if np.any(t):
        print("Rejected, out of boundaries") # reject, do another sample
        continue
    # accepted
    # do something with q, print((sum(q), len(q), np.mean(q)))

    k += 1

将numpy导入为np
总数=250
用户数量=10
平均分=25分
上边界=100
probs=np.full（10，1.0/np.float64（用户数），dtype=np.float64）#概率
N=10000#待测试样品
k=0
当k上#u边界）#检查是否超出边界
如果np.有（t）：
打印（“拒绝，超出边界”）#拒绝，再做一个样本
持续
#接受
#用q，print做点什么（（和（q），len（q），np.mean（q）））
k+=1

您是否也要求将它们相加到某个给定的数字？是的，因此如果可能，总数也将是250。对于奇数，请在列表中插入一个值25，保持平均值不变。之后，可以通过选择一个随机递增/递减和一对数字，增加一个，减少另一个（注意数字值的限制）来玩列表。这可以重复多次，以彻底混合最终值。这些数字的分布图将是。。。不幸的是，由于缺少更好的wordWell，数字也可能超过100，但不太可能，而且很容易检查。这种方法的真正问题是，10个数字中有9个会有类似于Beta分布的东西，而第10个数字的分布会非常不同。好吧，这就是设置平均值等于任何数字的限制，它会少一个自由度。在这种情况下，任何分布都不准确。

在这种情况下，任何分布都不准确。

嗯？！没有道理。有这样的分布，其中整数的deifniton多项式或实数的Dirichlet满足这样的条件，这给出了一个非常优雅的解决方案。

import numpy as np

Total = 250
Number_of_users = 10
Average_score = 25
Upper_boundary = 100

probs = np.full(10, 1.0/np.float64(Number_of_users), dtype=np.float64) # probabilities

N = 10000 # samples to test
k = 0
while k < N:
    q = np.random.multinomial(Total, probs)
    t = np.where(q > Upper_boundary) # check for out-of boundaries
    if np.any(t):
        print("Rejected, out of boundaries") # reject, do another sample
        continue
    # accepted
    # do something with q, print((sum(q), len(q), np.mean(q)))

    k += 1