การจัดโครงสร้างโครงสร้างเอง

การ สร้าง การ แจก จ่าย ทาง สถิติ ที่ ได้ รับ การ กําหนด ไว้ นั้น จําเป็น อย่าง ยิ่ง สําหรับ งาน จําลอง ซึ่ง ต้อง อาศัย พฤติกรรม ข้อมูล เฉพาะ.

ใช้ NumPy เพื่อสร้างการแจกจ่าย

มอดูลสุ่มของ NumPy เสนอฟังก์ชันในการสร้างข้อมูลจากการกระจายตัวมาตรฐาน เช่น เครื่องแบบ, ทวินาม ฟังก์ชันเหล่านี้ทําหน้าที่เป็นอาคารก่อสร้าง เพื่อสร้างโครงสร้างที่ซับซ้อนหรือกําหนดเองที่ตัดต่อเข้ากับความต้องการจําลองโดยเฉพาะ

กําลังสร้างการแจกจ่ายเอง

การกระจายตัวที่กําหนดเอง สามารถถูกสร้างได้โดยการแปลงการกระจายตัวที่มีอยู่ หรือการรวมการกระจายตัวต่างๆ เข้าด้วยกัน ตัวอย่างเช่น การใช้ฟังก์ชันทางคณิตศาสตร์ไปยังการกระจายตัวแบบปกติ สามารถสร้างรูปแบบข้อมูลใหม่ที่ตรงกับความต้องการจําลองได้ดีขึ้น

วิธีทั่วไปอย่างหนึ่งคือการใช้อินเวอร์สการแปลงตัวอย่าง โดยคุณสร้างข้อมูลจากการกระจายตัวแบบสม่ําเสมอ แล้วใช้การแปลงเพื่อหารูปร่างการกระจายตัวที่ต้องการ

ตัว อย่าง ที่ ใช้ ได้ จริง

สมมติว่าคุณต้องการการกระจายตัวแบบเบ้สําหรับการจําลอง คุณสามารถสร้างข้อมูลแบบสม่ําเสมอและปรับใช้การแปลงพลังงานได้:

[FLT: 0] ตัวอย่าง:

''Python

นําเข้าข้อมูล Numpy เป็น np

สร้างข้อมูลชุดเครื่องแบบ

ยูนิฟอร์ม ดาต้า = np.random. universal(0, 1, 1000)

# ปรับใช้การแปลงค่าอํานาจกับค่าความเบ้

ปรับ doctata = เครื่องแบบ datata ** 2

''

วิธี นี้ ทํา ให้ เกิด การ กระจาย ค่า ต่าง ๆ ที่ อยู่ ใน ระดับ สูง ขึ้น ซึ่ง เหมาะ กับ การ จําลอง โดย เฉพาะ.