Генерация случайных чисел с нормальным распределением

Question

У меня есть набор данных, который при построении диаграммы выглядит следующим образом:

Для меня это выглядит как нормальное / гауссовское распределение.Среднее значение составляет 0,0017, а стандартное отклонение составляет 0,0571.Я пытаюсь сгенерировать случайные числа в одном и том же распределении, используя функцию numpy np.random.normal следующим образом:

a = numpy.random.normal(0.0017, 0.0571)

Это создает результаты, которые выглядят следующим образом:

Как видите, наклон распределения намного более плавный, с намного меньшим пиком, и выбросы исчезают намного быстрее.Есть ли способ настроить мое стандартное распределение так, чтобы мои случайно сгенерированные числа более точно соответствовали оригиналам?

Answer 1

Это очень похоже на распределение Лапласа .Вы можете создать его, используя numpy.random.laplace .Я бы оставил значение по умолчанию как ноль, и оценил бы параметр масштаба как среднее абсолютное отклонение от нуля.Приближение быстрой и грязной шкалы будет standard-deviation / sqrt(2), так как у вас уже есть оценка s, но я не проверил (и у меня нет времени сейчас), является ли это предвзятым.