numpy.random.Generator.poisson#
方法
- random.Generator.poisson(lam=1.0, size=None)#
从泊松分布中抽取样本。
泊松分布是二项分布在 N 很大时的极限。
- 参数:
- lamfloat 或 float 型数组
在固定时间间隔内发生的事件的预期数量,必须 >= 0。序列必须能够广播到请求的大小。
- sizeint 或 int 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
(默认值),则如果lam
为标量,则返回单个值。否则,抽取np.array(lam).size
个样本。
- 返回:
- outndarray 或标量
从参数化的泊松分布中抽取的样本。
备注
泊松分布
\[f(k; \lambda)=\frac{\lambda^k e^{-\lambda}}{k!}\]对于预期间隔为 \(\lambda\) 的事件,泊松分布 \(f(k; \lambda)\) 描述了在观测间隔 \(\lambda\) 内发生 \(k\) 个事件的概率。
由于输出限制在 C int64 类型的范围内,因此当 lam 处于最大可表示值的 10 倍标准差范围内时,会引发 ValueError。
参考文献
[1]Weisstein, Eric W. “Poisson Distribution.” From MathWorld–A Wolfram Web Resource. https://mathworld.wolfram.com/PoissonDistribution.html
[2]Wikipedia, “Poisson distribution”, https://en.wikipedia.org/wiki/Poisson_distribution
示例
从分布中抽取样本
>>> rng = np.random.default_rng() >>> lam, size = 5, 10000 >>> s = rng.poisson(lam=lam, size=size)
验证均值和方差,它们应该近似等于
lam
>>> s.mean(), s.var() (4.9917 5.1088311) # may vary
显示直方图和概率质量函数
>>> import matplotlib.pyplot as plt >>> from scipy import stats >>> x = np.arange(0, 21) >>> pmf = stats.poisson.pmf(x, mu=lam) >>> plt.hist(s, bins=x, density=True, width=0.5) >>> plt.stem(x, pmf, 'C1-') >>> plt.show()
为 lambda 100 和 500 分别抽取 100 个值
>>> s = rng.poisson(lam=(100., 500.), size=(100, 2))