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 对数正态分布

Python中可以使用SciPy库中的lognorm函数来生成对数正态分布。lognorm函数的参数分别为s（标准差）和loc（均值），对应于正态分布的参数为μ和σ。

下面是一个生成对数正态分布的例子：

import numpy as np
from scipy.stats import lognorm

s = 0.5  # 标准差
loc = 0  # 均值
scale = np.exp(loc)  # 伸缩参数

# 生成对数正态分布
lognorm_dist = lognorm(s, scale=scale)

# 生成100个随机数
samples = lognorm_dist.rvs(100)

在上面的例子中，我们生成了一个标准差为0.5、均值为0的对数正态分布，并生成了100个随机数。你可以根据需要调整标准差、均值和生成的随机数个数。

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。