TA貢獻(xiàn)1798條經(jīng)驗(yàn) 獲得超7個(gè)贊
使用它的問題dirichlet在于它是實(shí)數(shù)的分布。它將產(chǎn)生一個(gè)范圍內(nèi)的數(shù)字向量(0,1)，總和為 1，但截?cái)嗷蛏崛胨鼈兛赡軙?huì)消除對(duì)特定總和的保證。在這篇文章之后，我們可以從分布中獲得所需的效果multinomial（使用np.random.multinomial），如下所示：
from numpy.random import multinomial
np.random.multinomial(m, np.ones(n)/n)
這將生成和n之間的整數(shù)，其和為，繪制給定位置的概率相等。可視化這一點(diǎn)的最簡(jiǎn)單方法是將結(jié)果視為描述從一組固定對(duì)象（例如，從 1 到 6 的整數(shù)繪制的骰子）中的一組繪圖，其中最終數(shù)組是相應(yīng)對(duì)象的次數(shù)畫?？倲?shù)將始終與給定的總平局（擲骰）數(shù)相加。0mm
TA貢獻(xiàn)1854條經(jīng)驗(yàn) 獲得超8個(gè)贊
請(qǐng)注意，Dirichlet 分布可用于參數(shù)化多項(xiàng)式，從而控制 bin 的平滑度或“均勻性”，例如：
import numpy as np
m = 50
n = 5
s = 0.1
np.random.multinomial(m, np.random.dirichlet(np.ones(n) * s))
主要參數(shù)化為@Bonfire，但較大的值s（例如 try s=100）導(dǎo)致 bin 以 mean= 接近 Poisson，m/n較小的值導(dǎo)致更大的方差
TA貢獻(xiàn)1852條經(jīng)驗(yàn) 獲得超7個(gè)贊
這是一個(gè)示例解決方案：
import numpy as np
M = 50 # The fixed sum
N = 5 # The amount of numbers
array = np.random.multinomial(M, np.ones(N) / N)[0]
print(array)
舉報(bào)