我想在 1-100 之间随机选择一个数字，这样获得数字 60-100 的概率高于 1-59。
我希望有概率成为数字 1-100 的左偏分布。也就是说，它有一条长长的尾巴和一个尖峰。
类似的东西：
pers = np.arange(1,101,1)
prob = <left-skewed distribution>
number = np.random.choice(pers, 1, p=prob)
我不知道如何生成左偏离散概率函数。有任何想法吗？谢谢！
【问题讨论】：
标签： python statistics
这是您使用 SciPy 函数“skewnorm”寻找的答案。它可以使任何正整数集向左或向右倾斜。
from scipy.stats import skewnorm
import matplotlib.pyplot as plt
numValues = 10000
maxValue = 100
skewness = -5 #Negative values are left skewed, positive values are right skewed.
random = skewnorm.rvs(a = skewness,loc=maxValue, size=numValues) #Skewnorm function
random = random - min(random) #Shift the set so the minimum value is equal to zero.
random = random / max(random) #Standadize all the vlues between 0 and 1.
random = random * maxValue #Multiply the standardized values by the maximum value.
#Plot histogram to check skewness
plt.hist(random,30,density=True, color = 'red', alpha=0.1)
plt.show()
请参考这里的文档： https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.skewnorm.html
Histogram of left-skewed distribution
代码生成如下图。
【讨论】：
就像你描述的那样，只要确保你的偏态分布加起来为 1.0：
pers = np.arange(1,101,1)
# Make each of the last 41 elements 5x more likely
prob = [1.0]*(len(pers)-41) + [5.0]*41
# Normalising to 1.0
prob /= np.sum(prob)
number = np.random.choice(pers, 1, p=prob)
【讨论】：
np.random.choice 的 p 参数是与第一个参数中数组中每个元素相关联的概率。所以像：
np.random.choice(pers, 1, p=[0.01, 0.01, 0.01, 0.01, ..... , 0.02, 0.02])
其中 0.01 是 1-59 的较低概率，0.02 是 60-100 的较高概率。
SciPy 文档有一些有用的示例。
http://docs.scipy.org/doc/numpy-dev/reference/generated/numpy.random.choice.html
编辑： 您也可以尝试此链接并寻找适合您正在寻找的模型的分布（大约在页面的一半处）。
【讨论】：