我有一个随机值x_1，x_2，... x_n的列表和一个期望值X。我想写一个函数，它取这两个值，并随机生成集合{1，2...n}上定义的许多离散概率分布中的一个，满足上面提到的约束。
将问题改写为生成一个长度为n的向量p，使得
0〈= p_i〈=1
| 有害物|= 1个
p.x = X
使用我找到的here信息，我破解了下面的解决方案，但它不起作用，因为概率不是b/w 0和1
def normal_random_distribution(data_array, data_len, X_array, expd_vl):
e_mat = np.concatenate(([X_array], [np.ones(data_len)]), axis = 0)
f_mat = np.array([expd_vl, 1])
v_vec = np.linalg.lstsq(e_mat, f_mat,rcond=None)[0]
e_null = sla.null_space(e_mat)
lamda_lower = np.linalg.pinv(e_null) @ (-1 * v_vec)
lamda_upper = np.linalg.pinv(e_null) @ ( 1 - v_vec)
lamda = lamda_lower + random.random()*(lamda_upper - lamda_lower)
sol = v_vec + e_null @ lamda
return sol如何生成p？sol有l1范数1，且|溶胶 * x| = X。我希望插值B/w lamda_lower和lamda_upper会使它b/w 0和1，但它没有。我想写函数，使它在每次调用时随机生成许多可能的解之一。我意识到一个明显的解是找到x_i〈X和x_j〉X，并插值b/w 2，但我希望函数（理论上）能够生成所有可能的分布。
1条答案
按热度按时间0md85ypi1#
在尝试创建一个递归解决方案几个小时后，我放弃了，自己编写了一个迭代的蛮力方法。