numpy.random.gamma#

random.gamma(shape, scale=1.0, size=None)#

从 Gamma 分布中抽取样本。

样本是从具有指定参数（shape (有时称为“k”) 和 scale (有时称为“theta”)) 的 Gamma 分布中抽取的，两个参数都 > 0。

注意

新代码应使用 Generator 实例的 gamma 方法；请参阅快速入门。

参数:
shape浮点数或浮点数数组

Gamma 分布的形状参数。必须是非负数。

scale浮点数或浮点数数组，可选

Gamma 分布的尺度参数。必须是非负数。默认为 1。

size整型或整型元组，可选

输出形状。如果给定的形状是例如 (m, n, k)，则会抽取 m * n * k 个样本。如果 size 为 None (默认值)，则当 shape 和 scale 均为标量时，返回单个值。否则，抽取 np.broadcast(shape, scale).size 个样本。

返回:
outndarray 或标量

从参数化的 Gamma 分布中抽取的样本。

参见

scipy.stats.gamma

概率密度函数、分布或累积密度函数等。

random.Generator.gamma

应用于新代码。

备注

Gamma 分布的概率密度函数为

\[p(x) = x^{k-1}\frac{e^{-x/\theta}}{\theta^k\Gamma(k)},\]

其中 \(k\) 是形状参数，\(\theta\) 是尺度参数，\(\Gamma\) 是 Gamma 函数。

Gamma 分布常用于模拟电子元件的故障时间，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]

维基百科，“Gamma distribution”，https://en.wikipedia.org/wiki/Gamma_distribution

示例

从分布中抽取样本

>>> shape, scale = 2., 2.  # mean=4, std=2*sqrt(2)
>>> s = np.random.gamma(shape, scale, 1000)

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()
../../../_images/numpy-random-gamma-1.png
在本页