首先,我会写这个答案,假设你将numpy导入为np,因为它清楚地区分了numpy函数与内置函数或python的数学和随机包的函数.
我认为没有必要回答您指定的问题,因为您的基本假设是错误的:
是的,泊松统计量具有等于方差的均值,但假设您使用常数林.但你没有.你输入高斯的y值,所以你不能指望它们是恒定的(它们是你的定义高斯!).
使用np.random.poisson(lam = 0.5)从泊松分布中获取一个随机值.但要小心,因为这个泊松分布甚至与高斯分布几乎不相同,因为你处于“低均值”区间,这两个区间显着不同,例如参见Wikipedia article about Poisson distribution.
你也在创建随机数,所以你不应该真正绘制它们,而是绘制它们的np.histogram.由于统计分布都与概率密度函数有关(见Probability density function).
之前,我已经提到你创建了一个带有常数lam的泊松分布,所以现在是时候讨论大小:你创建随机数,所以要近似真实的泊松分布,你需要绘制大量的随机数.其大小来自:np.random.poisson(lam = 0.5,size = 10000)例如创建一个10000个元素的数组,每个元素从泊松概率密度函数中绘制,平均值为0.5.
如果您在之前提到的维基百科文章中没有阅读它,则泊松分布根据定义仅给出无符号(> = 0)整数作为结果.
所以我想你想要做的是创建一个包含1000个值的高斯和泊松分布:
gaussian = np.random.normal(0.5, 2*np.sqrt(2*np.log(2)), 1000)
poisson = np.random.poisson(0.5, 1000)
然后绘制它,绘制直方图:
import matplotlib.pyplot as plt