numpy.random.rayleigh#

random.rayleigh(scale=1.0, size=None)#

从瑞利分布中抽取样本。

\(\chi\) 和 Weibull 分布是瑞利分布的推广。

注意

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

参数:
scale浮点数或浮点数数组，可选

尺度参数，也等于众数。必须是非负数。默认为 1。

size整数或整数元组，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 scale 是标量时，返回单个值。否则，抽取 np.array(scale).size 个样本。

返回:
outndarray 或标量

从参数化的瑞利分布中抽取的样本。

另请参见

random.Generator.rayleigh

新代码应使用此方法。

注释

瑞利分布的概率密度函数为

\[P(x;scale) = \frac{x}{scale^2}e^{\frac{-x^2}{2 \cdotp scale^2}}\]

瑞利分布的出现，例如，如果风速的东向和北向分量具有相同的零均值高斯分布，那么风速将服从瑞利分布。

参考文献

[2]

维基百科，“瑞利分布” https://en.wikipedia.org/wiki/Rayleigh_distribution

示例

从分布中抽取值并绘制直方图

>>> from matplotlib.pyplot import hist
>>> values = hist(np.random.rayleigh(3, 100000), bins=200, density=True)

波高倾向于服从瑞利分布。如果平均波高为 1 米，那么高于 3 米的波浪占多大比例？

>>> meanvalue = 1
>>> modevalue = np.sqrt(2 / np.pi) * meanvalue
>>> s = np.random.rayleigh(modevalue, 1000000)

高于 3 米的波浪百分比是

>>> 100.*sum(s>3)/1000000.
0.087300000000000003 # random
本页内容