この記事では、Pythonモジュール「NumPy」で乱数（ランダム）の出し方を簡単に偏らせる方法をソースコード付きで紹介します。
乱数の偏らせ方
NumPyでは、「numpy.random.rand」を使って一様乱数（0～1の実数値）を生成できます。
NumPyでは、F分布など様々な確率分布に従った乱数生成ができますが、もっと簡単な方法で乱数の出し方を偏らせることができます。
ゲームなどで活用できるテクニックです。
ヒストグラム（一様乱数）
①小さい値の出現回数を増やす
まずは、小さい値の出現回数を増やすテクニックです。
一様乱数同士を掛け合わせることで0に近い値ほど、出現回数が高くなります。
掛け合わせる回数を増やすほど、その効果も高くなります。
コード例
numpy.random.rand(N) * numpy.random.rand(N)
ヒストグラム
②大きい値の出現回数を増やす
次に、大きい値の出現回数を増やすテクニックです。
①を応用し、「1 – (一様乱数同士を掛け合わせた値)」を計算すれば逆に大きい値の出現回数を増やせます。
コード例
1 - (numpy.random.rand(N) * numpy.random.rand(N))
ヒストグラム
③中央値（0.5）付近の出現回数を増やす
最後に中央値の出現回数を増やすテクニックです。
一様乱数同士を加算し、2で割ると中央値に近い値ほど、出現回数が高くなります。
加算回数を増やすほど、その効果も高くなります。（3回足したら3で割ります）
コード例
(numpy.random.rand(N) + numpy.random.rand(N))/2
ヒストグラム
ソースコード
サンプルプログラムのソースコードです。
# -*- coding: utf-8 -*-
import numpy as np
import matplotlib.pyplot as plt
def main():
# サンプル数
N = 500
# 乱数配列を生成(0～1の実数)
x1 = np.random.rand(N)
x2 = np.random.rand(N)
#y = x1 # 一様に分布
#y = x1 * x2 # 小さい値ほど、出現率が高い
#y = 1 - (x1 * x2) # 大きい値ほど出現回数が高い
y = (x1 + x2)/2 # 中央値(0.5)に近い値ほど、出現率が高い
# ヒストグラムの算出
hist, bins = np.histogram(y,N,[0,1])
# ビンの末尾を削除して配列のサイズをhistと揃える
bins = np.delete(bins, -1)
# グラフ表示
plt.xlim(0, 1) # x軸の範囲
plt.ylim(-5, 20) # y軸の範囲
plt.scatter(bins, hist, s=5) # 散布図
plt.xlabel("Value")
plt.ylabel("Number of occurrences")
plt.grid()
plt.show()
if __name__ == '__main__':
main()
コメント