python - 使用 jax.random.normal 对具有特定均值和标准差的单变量高斯分布进行采样

Question

我正在尝试从具有特定标准偏差和均值的高斯中采样，我知道以下函数是从均值为零且标准偏差等于 1 的高斯中采样：

import jax
from jax import random

key = random.PRNGKey(0)
mu = 20
std = 4

x1 = jax.random.normal(key, (1000,))

我可以通过这样做来调整平均值：x1 = x1 + mu，但是如何调整标准偏差？

Answer 1

这

x1 = std * x1 + mu

会给你想要的

Answer 2

以这种方式创建您的示例：

x1 = mu + std * jax.random.normal(key, (1000,))

如果这样做，样本的直方图将遵循预期分布：

import jax
from jax import random
from jax.scipy.stats import norm
import matplotlib.pyplot as plt

key = random.PRNGKey(0)
mu = 20
std = 4

x1 = mu + std * jax.random.normal(key, (1000,))
plt.hist(x1, bins=50, density=True)

x = jnp.linspace(5, 35, 100)
y = norm.pdf(x, loc=mu, scale=std)
plt.plot(x, y)