Python 用Box-Muller法从正态分布生成值

我正在编写一个小函数，使用Box-Muller方法从正态分布生成值，但得到的是负值

这是我的源代码

import random

def generate_normal(mu, sigma):
    u = random.random()
    v = random.random()

    z1 = sqrt(-2 * log(u)) * sin(2 * pi * v)
    z2 = sqrt(-2 * log(u)) * cos(2 * pi * v)

    x1 = mu + z1 * sigma
    x2 = mu + z2 * sigma

    return x2

我遗漏了什么？我在

x1

和

x2

中都得到了负值。例如：

mu: 400
sigma: 150
u: 7.27333176449e-05
v: 0.642384573173
z1: -3.40497345242
x1: -110.746017863

以及：

这个单位以零为中心，两边有小尾巴，直到正负无穷远。将在三个标准偏差范围内，其他0.3%不会

在本例中，平均值为400，标准偏差为150，99.7%的值将落在平均值的三个标准偏差范围内-区间[-50850]，其中包括负数。所以一开始就预计会出现负数

至于其他0.3%的值，记住这是你的数字的3/1000——这一点都不少见

如果您想要有限支撑的“钟形曲线”分布，请尝试

最后，除非这是一个学术性的练习，否则你没有必要把你自己的等价物卷起来。

这个单位以零为中心，两边都有小尾巴，直到正负无穷大。将在三个标准偏差范围内，其他0.3%不会

在本例中，平均值为400，标准偏差为150，99.7%的值将落在平均值的三个标准偏差范围内-区间[-50850]，其中包括负数。所以一开始就预计会出现负数

至于其他0.3%的值，记住这是你的数字的3/1000——这一点都不少见

如果您想要有限支撑的“钟形曲线”分布，请尝试

---

最后，除非这是一个学术性的练习，否则没有必要使用您自己的等价物。

当随机生成的值非常接近零时，Box-Muller变换存在稳定性问题。我建议用高斯分布代替random.random（），并用平均值和标准偏差来影响

Box-Muller变换在随机生成值非常接近零时存在稳定性问题。我建议用高斯分布代替random.random（），并用平均值和标准偏差来影响

太好了。我不知道我怎么会错过它。我只是专注于这个问题，我完全忘记了N（0,1）

：）

的那个非常著名的图形。非常感谢你！我们都有自己的小过失也就是说，您不使用

numpy.random.normal（）

？OP根本不一定使用numpy，但标准库提供了

random.gauss

（更快但不是线程安全）或

random.normalvariate

。也就是说，IIRC给定的方法容易出现数值不稳定性（最好选择单位平方内的随机坐标，如果它们在单位平方外则拒绝它们，而不是选择加权的随机半径和随机角度），并且会丢弃一半的有效结果（

x1

与

x2

一样随机且独立；最好记住此值并每隔一次返回一次，或者使用生成器并在循环中生成这两个值）@KarlKnechtel我正是这样做的。我使用

收益率

，这样我可以返回

x1

，

x2

，然后生成两个新的，并重复这个过程。@Li aungYip我正在为学术目的开发一个机场模拟，其想法是从头开始实现使用的分布（正态分布、泊松分布和指数分布）。非常感谢！太好了。我不知道我怎么会错过它。我只是专注于这个问题，我完全忘记了N（0,1）

：）

的那个非常著名的图形。非常感谢你！我们都有自己的小过失也就是说，您不使用

numpy.random.normal（）

？OP根本不一定使用numpy，但标准库提供了

random.gauss

（更快但不是线程安全）或

random.normalvariate

。也就是说，IIRC给定的方法容易出现数值不稳定性（最好选择单位平方内的随机坐标，如果它们在单位平方外则拒绝它们，而不是选择加权的随机半径和随机角度），并且会丢弃一半的有效结果（

x1

与

x2

一样随机且独立；最好记住此值并每隔一次返回一次，或者使用生成器并在循环中生成这两个值）@KarlKnechtel我正是这样做的。我使用

收益率

，这样我可以返回

x1

，

x2

，然后生成两个新的，并重复这个过程。@Li aungYip我正在为学术目的开发一个机场模拟，其想法是从头开始实现使用的分布（正态分布、泊松分布和指数分布）.非常感谢！

x2: -9.79324023117