python随机分配代码_Python编程产生非均匀随机数的几种方法代码分享

1.反变换法

设需产生分布函数为F(x)的连续随机数X。若已有[0,1]区间均匀分布随机数R,则产生X的反变换公式为：

F(x)=r, 即x=F-1(r)

反函数存在条件：如果函数y=f(x)是定义域D上的单调函数,那么f(x)一定有反函数存在,且反函数一定是单调的。分布函数F(x)为是一个单调递增函数，所以其反函数存在。从直观意义上理解，因为r一一对应着x,而在[0,1]均匀分布随机数R≤r的概率P(R≤r)=r。 因此,连续随机数X≤x的概率P(X≤x)=P(R≤r)=r=F(x)

即X的分布函数为F(x)。

例子:下面的代码使用反变换法在区间[0, 6]上生成随机数，其概率密度近似为P(x)=e-x

import numpy as np

import matplotlib.pyplot as plt

# probability distribution we're trying to calculate

p = lambda x: np.exp(-x)

# CDF of p

CDF = lambda x: 1-np.exp(-x)

# invert the CDF

invCDF = lambda x: -np.log(1-x)

# domain limits

xmin = 0 # the lower limit of our domain

xmax = 6 # the upper limit of our domain

# range limits

rmin = CDF(xmin)

rmax = CDF(xmax)

N = 10000 # the total of samples we wish to generate

# generate uniform samples in our range then invert the CDF

# to get samples of our target distribution

R = np.random.uniform(rmin, rmax, N)

X = invCDF(R)

# get the histogram info

hinfo = np.histogram(X,100)

# plot the histogram

plt.hist(X,bins=100, label=u'Samples');

# plot our (normalized) function

xvals=n