Numpy在python中生成来自对数正态分布的随机数

在本文中，我们将介绍如何使用Numpy在Python中从对数正态分布中生成随机数。

阅读更多：Numpy 教程

什么是对数正态分布？

对数正态分布是正态分布在对数尺度上的结果。它可以描述许多自然现象的分布，例如寿命、收入、财富和粒子大小等。许多现实世界的现象都遵循对数正态分布，因此它在许多领域中都是非常重要的。

对数正态分布的概率密度函数为：

$f(x) = \frac{1}{x\sigma\sqrt{2\pi}}e^{-\frac{(\ln(x)-\mu)^2}{2\sigma^2}}$

其中， $\mu$ 是均值， $\sigma$ 是标准差。

使用numpy生成对数正态分布的随机数

在Python中，可以使用numpy库的random模块生成对数正态分布的随机数。numpy.random.lognormal()函数可以生成指定均值、标准差和大小的对数正态分布样本。

下面是一个生成对数正态分布随机数的示例：

import numpy as np

# 设置对数正态分布的参数
mu, sigma, size = 0, 1, 1000

# 生成对数正态分布的随机数
x = np.random.lognormal(mu, sigma, size)

# 输出前10个元素
print(x[:10])

[3.4839286 0.25456347 0.84931769 1.77482792 1.3557463 0.82800577
2.76885541 2.73202515 1.05713167 2.15672518]

这里，我们设置了均值 $\mu$ 为0，标准差 $\sigma$ 为1，大小为1000。生成的随机数存储在变量x中，并使用print()函数输出了前10个元素。

可视化对数正态分布

为了更好地理解生成的对数正态分布，我们可以使用matplotlib库将其可视化。

下面是一个生成对数正态分布及其概率密度的示例：

import numpy as np
import matplotlib.pyplot as plt

# 设置对数正态分布的参数
mu, sigma, size = 0, 1, 1000

# 生成对数正态分布的随机数
x = np.random.lognormal(mu, sigma, size)

# 可视化对数正态分布及其概率密度函数
count, bins, ignored = plt.hist(x, 100, density=True)
plt.plot(bins, 1/(bins * sigma * np.sqrt(2 * np.pi)) *
         np.exp(- (np.log(bins) - mu)**2 / (2 * sigma**2)),
         linewidth=2, color='r')
plt.title('Lognormal Distribution')
plt.show()