使用Numpy从两个均匀分布生成双峰分布的实现问题排查

我尝试复现某博客中的bimodalSample函数，以下是我的实现代码：

import numpy as np
    
def bimodal_pdf(distance: float, weight: float) -> np.ndarray:
    r = np.random.rand()

    if r < weight:
        return np.random.normal(r) * (1 - distance)
    else:
        return np.random.normal(r) * (1 - distance) + distance


n_samples = 100000
distance = 0.7
weight = 0.5


pdf = np.array([
    bimodal_pdf(distance=distance, weight=weight) for s in range(n_samples)
])

但生成的样本值出现小于0或大于1的情况，请问我的实现哪里出错了？

你的代码有两个核心错误：

1. 正态分布参数使用错误
   np.random.normal(r)的写法完全不符合需求：该函数的第一个参数是均值，第二个是标准差（默认1）。你把r（0-1的随机数）当成均值传入，导致每个样本的正态分布均值都在随机变化，完全偏离了双峰分布（两个固定中心）的设计。

2. 采样逻辑错误
   原目标函数应该是生成两个固定中心的正态分布混合样本：一个中心在0，另一个中心在distance，通过weight控制两个分布的采样比例。你的计算逻辑（乘以1-distance再加偏移）完全打乱了分布的中心和范围控制。

修正后的代码 #

import numpy as np

def bimodal_sample(distance: float, weight: float) -> float:
    # 用(1-distance)/3作为标准差，确保99.7%的样本落在[0,1]范围内
    std_dev = (1 - distance) / 3
    if np.random.rand() < weight:
        # 从中心为0的正态分布采样
        return np.random.normal(loc=0, scale=std_dev)
    else:
        # 从中心为distance的正态分布采样
        return np.random.normal(loc=distance, scale=std_dev)

n_samples = 100000
distance = 0.7
weight = 0.5

samples = np.array([bimodal_sample(distance, weight) for _ in range(n_samples)])
# 可选：过滤极端小概率出现的超出范围值
samples = np.clip(samples, 0, 1)

说明 #

• 设定标准差为(1-distance)/3：这样中心在0的分布，99.7%的样本会落在0 ± 3*std_dev = 0 ± (1-distance)，即0到1-distance，不会小于0；中心在distance的分布，99.7%的样本会落在distance ± (1-distance)，即2distance-1到1（当distance=0.7时，下限为0.4），刚好不会超出1。
• 函数更名：bimodal_pdf改为bimodal_sample，因为该函数是生成样本而非计算概率密度，命名更准确。
• 可选的np.clip：用于处理极端小概率出现的超出范围值，进一步确保样本落在[0,1]区间。

内容的提问来源于stack exchange，提问作者HJA24