我想做一个蒙特卡洛模拟,我在其上生成10个场景,每个场景的特点是在时间范围内随机数的到达。如何限制泊松随机变量的样本来模拟到达
我使用scipy.stats.poisson
https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.poisson.html 生成抵达地为每个方案的样品,假设平均为12
from scipy.stats import poisson
arrivals = poisson.rvs(12, 10)
print arrivals
输出的随机数的列表:
[11 13 9 10 8 9 13 12 11 23]
平均值是11.9这足够好,但问题在于,在这种情况下,在最后一种情况下,有23个到达值远离平均值12.
因为在运行这个模拟之前我不得不选择一个总体,所以我必须使该总体的大小足够大以符合泊松随机变量。 因此,假设我选择了一个大小为1.5 * 12 = 18的人口,不幸的是,在最后一个场景中,由于样本大于人口本身,我会得到一个错误。
我的第一个问题是:为了用Poisson随机变量列表对这些到达进行采样,必须选择哪个人口的最小大小,而不会出现错误?
我的第二个问题是:有没有更好的方法来使用另一个概率分布来管理这类问题?
请注意,在这种情况下意味着= 12,但我必须模拟平均值= 57和平均值= 234的其他上下文。
谢谢@Emer我会利用你的解释。 – piezzoritro