使用高斯分布的方差 Python

Question

我有一个代码可以使用 python 中的高斯分布计算数字的平方。现在我的任务是计算相同的方差。但是当我尝试时，我不断出错。代码如下：

import random
def generate_data(size):
    n = 5
    m =0.5
    mu, sigma = n ** 2, m/3
    return [random.gauss(mu, sigma) for _ in range(size)]


def average(ls):
    avg =  sum(ls) / len(ls)
    variance = (sum(ls) - sum(avg)) ** 2 / len(ls)

    return variance

我不太擅长统计，所以我的公式也可能有误。我也是 python.The 的初学者，我得到的错误是

'float' object is not iterable

Answer 1

除非你真的想或必须自己做，否则我会使用 numpy。

http://docs.scipy.org/doc/numpy/reference/generated/numpy.var.html
http://docs.scipy.org/doc/numpy/reference/generated/numpy.random.normal.html

Answer 2

你的方差公式应该是

variance = sum(map(lambda x: (x-avg) ** 2, ls)) / len(ls)

source

因为 variance = sigma^2 您可以通过打印 math.sqrt(variance)

来测试您的代码

import random, math


def generate_data(size):
    n = 5
    m = 0.5
    mu, sigma = n ** 2, m/3
    return [random.gauss(mu, sigma) for _ in range(size)]


def variance(ls):
    avg = sum(ls) / len(ls)
    variance = sum(map(lambda x: (x-avg) ** 2, ls)) / len(ls)

    return variance

print(0.5/3)                                     #0.16666666666666666
print(math.sqrt(variance(generate_data(100))))   #0.15702629417476763
print(math.sqrt(variance(generate_data(1000))))  #0.16248850600497303
print(math.sqrt(variance(generate_data(10000)))) #0.16774494705918871

Answer 3

您可能会发现一次性计算均值、方差可能比 3 遍方法（sum + map + sum）更快

def average(ls):
    sum  = 0.0
    sum2 = 0.0
    for v in ls:
        sum  += v
        sum2 += v*v

    mean = sum / len(ls)
    var  = sum2/len(ls) - mean*mean

    return (mean, var)

使用高斯分布的方差 Python

Variance using Gaussian distribution Python

python

random

gaussian