具有给定均值和标准差的正随机数生成

Posted 2023-03-24

【中文标题】具有给定均值和标准差的正随机数生成

【英文标题】：Positive random number generation with given mean and standard deviation

【发布时间】：2021-10-01 00:42:00

【问题描述】：

我正在做一个模拟项目。在随机数生成方面需要帮助。我需要两组随机数。

属性：

主集 (var_a) > 正态分布，大于 0，具有给定的平均值和标准。 辅助集 (var_b) -> 与主集相同，但有一个附加值，第二个集不能大于主集。原因是确定性函数的输出将仅以 0-1 之间的百分比表示。例如：

service level calculation

import numpy as np

n = 100000

# Calls Handled
callshandled = np.random.normal(loc=65,  scale=97, size=n)
print('Calls handled: ', callshandled)

# Call handled within sl. Has to always be less or equal to Calls Handled
ansinsl = np.random.normal(loc=60,  scale=82, size=n)
print('Answered in SL', ansinsl)

# Service Level - Has to be between 0-1. With normal distribution we get values in negative
sl = np.array(ansinsl)/np.array(callshandled)
print('Service level', sl)

Calls handled:  [ 43.26825426 129.79198758  31.56460354 ...  37.45059791   1.71420416
 -94.87241356]
Answered in SL [-12.72293091 204.28084996 232.25722235 ... 166.03208722 -53.69933624
 -36.71949656]
Service level [ -0.29404771   1.57390956   7.35815427 ...   4.43336279 -31.32610312
   0.38704082]

【问题讨论】：

抱歉错过了添加一个简单的计算：it service_level = b/a

您使用什么语言？请展示你到目前为止所做的尝试。

这是蟒蛇。添加示例代码

如果您使用的是 Python，Scipy 中的统计和随机库有一个开箱即用的 truncated normal distribution，这将为您节省部分拒绝。对于无限的右边界 b，您可以使用 b = numpy.inf。

【参考方案1】：

有一种众所周知的“自然”方式可以生成对高斯伪随机变量，称为Box-Muller。

你可以这样试试：

使用 Box-Muller 生成成对的单位正态变量 将这些对缩放到您的 (µ,σ) 参数是什么 拒绝不符合您标准的配对

【讨论】：

谢谢，试试这个。发布示例代码更清晰。