目錄

1 目標(biāo)：使用2種方法，去從正態(tài)分布的總體中去抽樣，獲得樣本

1.1 step1: 首先，邏輯上需要先有符合正態(tài)分布的總體population

1.2 從總體中取得樣本，模擬抽樣的過程

2?從正態(tài)分布抽樣的方法1

3??從正態(tài)分布抽樣的方法2

4 完整代碼

---

1 目標(biāo)：使用2種方法，去從正態(tài)分布的總體中去抽樣，獲得樣本

import numpy as np
import pandas as pd
import scipy as sp

1.1 step1: 首先，邏輯上需要先有符合正態(tài)分布的總體population

• 都需要先生成一個 符合正態(tài)分布的 “總體population”
• 我們設(shè)置的總體
• 可以是無限的，或者是有限但是數(shù)量較大
• 但是必須設(shè)置的是，總體的參數(shù)，mean=?? std=?
• np.random.normal(loc=0, scale=1, size=1000)
• sp.stats.norm.rvs(loc=0,scale=1,size=10)

1.2 從總體中取得樣本，模擬抽樣的過程

• np.random.choice(array1,size=10,replace=False)
• sp.stats.norm.rvs(loc=0,scale=1,size=10)

2?從正態(tài)分布抽樣的方法1

• # 先用np.random.normal一個正態(tài)分布的隨機數(shù)組 ，然后再用np.random.choice()去抽樣
• array1=np.random.normal(loc=0, scale=1, size=1000)
• array2=np.random.choice(array1,size=10,replace=False)
  ?

3??從正態(tài)分布抽樣的方法2

• # 直接使用sp.stats.norm.rvs() 從正態(tài)分布的總體中去生成樣本，抽樣
• array3=sp.stats.norm.rvs(loc=0,scale=1,size=10)

4 完整代碼

import numpy as np
import pandas as pd
import scipy as sp
from matplotlib import pyplot as plt
import seaborn as sns
%precision 3# 從正態(tài)分布抽樣的方法1
# 先用np.random.normal一個正態(tài)分布的隨機數(shù)組 ，然后再用np.random.choice()去抽樣
np.random.seed(100)   #設(shè)置確定的隨機種子，保證每次隨機的結(jié)果都相同array1=np.random.normal(loc=0, scale=1, size=1000)
array2=np.random.choice(array1,size=10,replace=False)
print(array2)
print(np.mean(array2))
print()# 直接使用sp.stats.norm.rvs() 從正態(tài)分布的總體中去生成樣本，抽樣
array3=sp.stats.norm.rvs(loc=0,scale=1,size=10)
print(array3)
print(np.mean(array3))
print()