顺序采样

问题描述

要从样本量为100的N（1,2）中采样并计算该样本的平均值，我们可以这样做：

import numpy as np

s = np.random.normal(1,2,100)
mean = np.mean(s)

现在，如果我们要生成10000个样本并保存每个样本的平均值，则可以执行以下操作：

sample_means = []
for x in range(10000):
    sample = np.random.normal(1,100)
    sample_means.append (sample.mean())

当我们要从N（1,2）中顺序采样并顺序估计分布平均值时，该怎么办？

解决方法

IIUC你是累积的

sample = np.random.normal(1,2,(10000,100))
sample_mean = []
for i,_ in enumerate(sample):
    sample_mean.append(sample[:i+1,:].ravel().mean())

然后sample_mean包含累积样本均值

sample_mean[:10]
[1.1185342714036368,1.3270808654923423,1.3266440422140355,1.2542028664103761,1.179358517854582,1.1224645540064788,1.1416887857272255,1.1156887336750463,1.0894328800573165,1.0878896099712452]

也许列表理解？

sample_means = [np.random.normal(1,100).mean() for i in range(10000)]

提示使用小写字母在Python中命名变量

normal-distribution python sampling