¿Quieres que el "sesgo" que basarse en distribuition simétrica? O tal vez la distribución exponencial? Gaussian a nadie?
Bueno, aquí son todos los métodos, extraídos de la propia documentación al azar.
random.triangular(low, high, mode)
:
devolver un número aleatorio de punto flotante N
tal que low <= N < high
y con el modo especificado entre esos límites. El low
y high
límites por defecto a cero y uno . Los mode
de argumentos por defecto en el punto medio entre los límites , dando una distribución simétrica .
random.betavariate(alpha, beta)
:
distribución beta. Las condiciones en los parámetros son alpha > 0
y beta > 0
.Los valores devueltos oscilan entre 0
y 1
.
random.expovariate(lambd)
:
distribución exponencial. lambd
es 1.0
dividido por la media deseada. Debería ser distinto de cero. (El parámetro sería llamado “lambda
”, pero eso es una palabra reservada en Python.) Volvió valores van de 0
a positivo infinito si lambd
es positivo, y de infinito negativo a 0
si lambd
es negativo.
random.gammavariate(alpha, beta)
:
distribución Gamma. (¡No la función gamma !) Las condiciones en los parámetros son alpha > 0
y beta > 0
.
random.gauss(mu, sigma)
:
distribución de Gauss. mu
es la media, y sigma
es la desviación estándar de . Esto es ligeramente más rápido que la función normalvariate()
que se define a continuación.
random.lognormvariate(mu, sigma)
:
Log distribución normal. Si se toma el logaritmo natural de esta distribución , obtendrá una distribución normal con media mu
y el estándar desviación sigma
. mu
puede tener cualquier valor , y sigma
debe ser mayor que cero.
random.normalvariate(mu, sigma)
:
distribución Normal. mu
es la media, y sigma
es la desviación estándar.
random.vonmisesvariate(mu, kappa)
:
mu
es el ángulo medio, expresado en radianes entre 0
y 2*pi
, y kappa
es el parámetro de concentración, que debe ser mayor que o igual a cero . Si kappa
es igual a cero , esta distribución reduce a un ángulo aleatorio uniforme sobre el intervalo de 0
a 2*pi
.
random.paretovariate(alpha)
:
distribución de Pareto. alpha
es el parámetro de forma .
random.weibullvariate(alpha, beta)
distribución de Weibull. alpha
es el parámetro de escala y beta
es el parámetro de forma .
+1: si mejor que '{Verdadero: 'H', Falso: 't'} [random.random()