Python 使用jax.random.normal对具有特定平均值和标准偏差的单变量高斯分布进行采样

我试图从一个具有特定标准偏差和平均值的高斯分布中取样，我知道从一个平均值为零且标准偏差等于1的高斯分布中取样：

import jax
from jax import random

key = random.PRNGKey(0)
mu = 20
std = 4

x1 = jax.random.normal(key, (1000,))

我可以通过这样做来调整平均值：

x1=x1+mu

，但是我如何调整标准偏差呢

x1 = std * x1 + mu

---

将提供您想要的

通过以下方式创建示例：

x1=mu+std*jax.random.normal（键，（1000，））

如果执行此操作，样本直方图将遵循预期分布：

导入jax
从jax随机导入
从jax.scipy.stats导入规范
将matplotlib.pyplot作为plt导入
key=random.PRNGKey（0）
mu=20
标准=4
x1=mu+std*jax.random.normal（键，（1000，））
plt.hist（x1，料仓=50，密度=True）
x=jnp.linspace（5,35100）
y=norm.pdf（x，loc=mu，scale=std）
平面图（x，y）

---

谢谢，我已经试过了，但是当我绘制

x1的直方图时，它看起来不一样right@ValientProcess这有点令人惊讶，因为这是高斯随机变量的一个基本性质。如果您将直方图添加到您的问题中，并解释为什么您觉得直方图不合适，这可能会有所帮助。也许还有别的事情