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。
从具有指定参数（形状（有时称为“k”）和尺度=1）的 Gamma 分布中抽取样本。
注意
新代码应使用
standard_gamma方法，而不是Generator实例；请参阅 快速入门。- 参数:
- shapefloat 或 array_like 的 floats
参数，必须是非负的。
- sizeint 或 int 的元组，可选
输出形状。如果给定的形状为，例如，
(m, n, k)，则抽取m * n * k个样本。如果 size 为None（默认），当shape为标量时，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新代码应使用此方法。
备注
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，\(\theta\) 是尺度，\(\Gamma\) 是 Gamma 函数。
Gamma 分布通常用于模拟电子元件的故障时间，并在泊松分布事件之间等待时间相关的过程中自然出现。
参考
[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
从分布中绘制样本
>>> 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()
