python生成对数正态分布的随机数

可以使用numpy库的random模块中的lognormal函数来生成对数正态分布的随机数。代码如下：

import numpy as np

mean = 1.0     # 均值
sigma = 0.5   # 标准差
size = 10     # 随机数个数

random_arr = np.random.lognormal(mean, sigma, size)
print(random_arr)

其中，mean表示对数正态分布的均值，sigma表示对数正态分布的标准差，size表示生成随机数的个数。运行结果如下：

[2.29023147 2.80275888 2.14097995 1.42749797 0.88270196 1.08321525
 0.89173233 1.0297089  0.91584031 1.14064002]

相关问题

python中生成对数正态随机数

可以使用NumPy中的random模块生成对数正态分布的随机数。下面是一个例子：

import numpy as np

# 设置对数正态分布的参数
mu, sigma = 0, 0.1

# 生成100个对数正态分布的随机数
samples = np.random.lognormal(mu, sigma, size=100)

# 输出结果
print(samples)

运行结果类似于：

[1.008 1.013 0.998 1.002 1.003 0.998 1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.
 1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.
 1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.
 1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.
 1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.
 1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.   1.  ]

python生成1000个在0.5到1.5范围内的服从对数正态分布的随机数

好的，你可以使用numpy包中的random模块的lognormal函数来生成服从对数正态分布的随机数。示例代码如下：

import numpy as np

# 设置均值和标准差，即对数正态分布的两个参数
mean = 1
sigma = 0.25

# 生成1000个服从对数正态分布的随机数
random_numbers = np.random.lognormal(mean, sigma, 1000)

# 对于每个随机数来说，它的值对应的自然对数值落在 [mean-3*sigma, mean+3*sigma] 区间的概率高达99.7%
# 对于你的问题，如果希望生成的随机数在 [0.5, 1.5] 范围内，则可以对生成结果进行缩放
scaled_numbers = 0.5 + (1.5 - 0.5) * (random_numbers - np.exp(mean)) / np.exp(sigma)

# 输出结果
print(scaled_numbers)

希望这个回答能够帮到你。