使用类似于scipy.stats的方法将数据集拟合为分布:
data = fetch_data(file)
x = np.linspace(0, 100, 1000)
param = scipy.stats.norm.fit(data)
fit_pdf = scipy.stats.norm.pdf(x, param[0], param[1])
什么是从这个拟合数据中生成N=1000个随机样本的最佳方法?是否可以在给定PDF值数组的情况下生成随机样本?
使用类似于scipy.stats的方法将数据集拟合为分布:
data = fetch_data(file)
x = np.linspace(0, 100, 1000)
param = scipy.stats.norm.fit(data)
fit_pdf = scipy.stats.norm.pdf(x, param[0], param[1])
data = fetch_data(file)
x = np.linspace(0, 100, 1000)
param = scipy.stats.norm.fit(data)
random_samples = scipy.stats.norm.rvs(param[0], param[1], size=1000)
fit_pdf = scipy.stats.norm.pdf(x, param[0], param[1])
samples = np.random.choice(x, size=1000, p=fit_pdf/np.sum(fit_pdf))