Java正态分布
我正在尝试模拟球迷到达体育场的情况。我相信系统本身不会有问题，但是风扇的到来遵循正态分布。
我的问题是：
我有一定的到达时间（例如100分钟和1000个风扇），我需要在分配之后的某个时间生成风扇的到达时间，例如->风扇x到达25分钟，风扇y到达54分钟，依此类推。
如何按照正态分布生成这些随机数？
我正在Java中执行此操作，并nextGaussian()在Random类中找到了该方法，但是我不确定如何在我的情况下使用它。
有人可以启发我吗？
问题答案：
nextGaussian()将从均值0和std-deviation 1的正态分布中抽取样本，因此，如果您希望均值1小时和std-deviation
15分钟，则需要将其称为nextGaussian()*15+60。
从文档中获取Random.nextGaussian()：
返回：
下一个伪随机数，与该随机数生成器的序列的平均值为0.0，标准差为1.0的高斯（“正态”）分布双精度值
-
在来自独立来源的随机数据集中，通常观察到数据的分布是正常的。 这意味着，在绘制具有水平轴中变量值的图形和垂直轴中的值的计数时，我们得到钟形曲线。 曲线的中心表示数据集的平均值。 在图中，百分之五十的值位于均值的左侧，另外百分之五十位于图的右侧。 这在统计学中称为正态分布。 R有四个内置函数来生成正态分布。 它们如下所述。 dnorm(x, mean, sd) pnorm(x, mean, sd)
-
在随机收集来自独立来源的数据中，通常观察到数据的分布是正常的。 这意味着，在绘制水平轴上的变量的值和垂直轴中的值的计数时，我们得到一个钟形曲线。 曲线的中心代表数据集的平均值。 在图中，百分之五十的值位于平均值的左侧，另外五十分之一位于图的右侧。 统称为正态分布。 R有四个内置函数来生成正态分布。它们在下面描述 - 以下是上述函数中使用的参数的描述 - x - 是数字的向量。 p - 是概率向量。
-
问题内容： 有谁知道如何用scipy绘制偏态正态分布？我认为可以使用stats.norm类，但我不知道如何使用。此外，如何估计描述一维数据集偏斜正态分布的参数？ 问题答案： 根据Wikipedia的描述， 如果你想找到一个数据集的使用规模，位置和形状参数，例如使用，并且， 应该给你类似的东西，
-
问题内容： 我想使用python使对数正态分布适合我的数据。根据手册，返回 形状，位置，比例 参数。但是，对数正态分布通常只需要两个参数：平均值和标准偏差。 如何解释scipy函数的结果？如何获得均值和std.dev。 问题答案： scipy中的分布以通用的方式通过两个参数的位置和比例进行编码，因此位置是将分布向左或向右移动的参数（），而是压缩或拉伸分布的参数。 对于两个参数的对数正态分布，“均值
-
从平均值0.5和标准差0.1的正态分布中得出伪随机数。 既然如此，下面的Matlab代码是否等价于从一个在0处截断的正态分布在1处进行采样？
-
例如，随机函数产生120个数字（0或1)，这些相加值的平均值必须接近60。