生成具有精确均值和标准差的样本数据

Question

我想创建一个具有特定均值和标准差的数据集。

使用 np.random.normal() 给我一个近似值。 但是，对于我想要测试的内容，我需要一个精确的均值和标准差。

我尝试过结合使用 norm.pdf 和 np.linspace，但是生成的数据集也不匹配（不过可能只是我误用了它）。

只要我可以设置特定的样本大小、均值和标准差，数据集是否随机并不重要。

帮助将不胜感激

Answer 1

最简单的方法是生成一些具有所需标准偏差的零均值样本。 然后从样本中减去样本均值，使其真正为零均值。 然后缩放样本以使标准偏差点亮，然后添加所需的平均值。

这是一些示例代码：

import numpy as np

num_samples = 1000
desired_mean = 50.0
desired_std_dev = 10.0

samples = np.random.normal(loc=0.0, scale=desired_std_dev, size=num_samples)

actual_mean = np.mean(samples)
actual_std = np.std(samples)
print("Initial samples stats   : mean = {:.4f} stdv = {:.4f}".format(actual_mean, actual_std))

zero_mean_samples = samples - (actual_mean)

zero_mean_mean = np.mean(zero_mean_samples)
zero_mean_std = np.std(zero_mean_samples)
print("True zero samples stats : mean = {:.4f} stdv = {:.4f}".format(zero_mean_mean, zero_mean_std))

scaled_samples = zero_mean_samples * (desired_std_dev/zero_mean_std)
scaled_mean = np.mean(scaled_samples)
scaled_std = np.std(scaled_samples)
print("Scaled samples stats    : mean = {:.4f} stdv = {:.4f}".format(scaled_mean, scaled_std))

final_samples = scaled_samples + desired_mean
final_mean = np.mean(final_samples)
final_std = np.std(final_samples)
print("Final samples stats     : mean = {:.4f} stdv = {:.4f}".format(final_mean, final_std))

产生类似于此的输出：

Initial samples stats   : mean = 0.2946 stdv = 10.1609
True zero samples stats : mean = 0.0000 stdv = 10.1609
Scaled samples stats    : mean = 0.0000 stdv = 10.0000
Final samples stats     : mean = 50.0000 stdv = 10.0000

Answer 2

对于稍后看到的其他人，Python 3.8+ 具有用于此目的的statistics.NormalDist类：

import statistics as s
n = s.NormalDist(mu=10, sigma=2)
samples = n.samples(100_000, seed=42)  # remove seed if desired
print(s.mean(samples))  # 10.004521585462394
print(s.stdev(samples))  # 2.0052615406360457

如果需要，@Spoonless 的答案中的方法可用于调整样本的确切平均值和标准差，或者可以使用足够多的样本来获得非常接近的结果——毕竟这是统计数据。

Answer 3

您也可以使用随机库执行此操作。

import random as rand
mean = 20.9
stdd = 3
samples = 1000
data = [rand.normalvariate(mean, stdd) for i in samples]

我还需要生成具有残差的数据，因此我只是将rand.randomrange(-1,1)的乘积与残差相加。

data = [rand.normalvariate(mean, stdd)+(rand.randrange(-1,1)*residual) for i in samples]

请注意，通过添加残差，您将稍微偏离精确的均值和标准差。