生成具有精确平均值和标准偏差的样本数据

Question

我想创建一个具有特定平均值和标准偏差的数据集。在

使用np.随机.正态（）给了我一个大概值。然而，对于我想要测试的东西，我需要一个准确的平均值和标准偏差。在

我试过用规范.pdf以及np.linspace公司但是生成的数据集也不匹配（可能是我误用了它）。在

数据集是否随机并不重要，只要我可以设置一个特定的样本大小、平均值和标准偏差。在

我们将不胜感激

Answer 1

最简单的方法是用期望的标准差生成一些零均值样本。然后从样本中减去样本平均值，这样它才是真正的零均值。然后对样本进行缩放，使标准偏差精确，然后添加所需的平均值。在

下面是一些示例代码：

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))

其产生的输出与此类似：

^{pr2}$