numpy.random.RandomState.standard_gamma#
方法
- random.RandomState.standard_gamma(shape, size=None)#
从标准 Gamma 分布中抽取样本。
样本从具有指定参数 shape（有时称为“k”）和 scale=1 的 Gamma 分布中抽取。
注意
新代码应使用
Generator实例的standard_gamma方法；请参阅快速入门。- 参数:
- shape浮点数或浮点数类数组
参数，必须是非负数。
- sizeint 或 int 元组，可选
输出形状。如果给定形状为，例如
(m, n, k)，则抽取m * n * k个样本。如果 size 为None（默认），则当shape是标量时返回单个值。否则，抽取np.array(shape).size个样本。
- 返回:
- outndarray 或 标量
从参数化的标准 gamma 分布中抽取的样本。
另请参阅
scipy.stats.gamma概率密度函数、分布或累积密度函数等。
random.Generator.standard_gamma新代码应该使用此方法。
注释
Gamma 分布的概率密度为
\[p(x) = x^{k-1}\frac{e^{-x/\theta}}{\theta^k\Gamma(k)},\]其中 \(k\) 是形状参数，\(\theta\) 是尺度参数，\(\Gamma\) 是 Gamma 函数。
Gamma 分布常用于建模电子元件的失效时间，并且自然出现在与泊松分布事件之间的等待时间相关的过程中。
参考文献
[1]Weisstein, Eric W. “Gamma Distribution.” From MathWorld–A Wolfram Web Resource. https://mathworld.net.cn/GammaDistribution.html
[2]Wikipedia, “Gamma distribution”, https://en.wikipedia.org/wiki/Gamma_distribution
示例
从分布中抽取样本
>>> shape, scale = 2., 1. # mean and width >>> s = np.random.standard_gamma(shape, 1000000)
显示样本的直方图以及概率密度函数
>>> import matplotlib.pyplot as plt >>> import scipy.special as sps >>> count, bins, ignored = plt.hist(s, 50, density=True) >>> y = bins**(shape-1) * ((np.exp(-bins/scale))/ ... (sps.gamma(shape) * scale**shape)) >>> plt.plot(bins, y, linewidth=2, color='r') >>> plt.show()
