numpy.random.Generator.weibull#
方法
- random.Generator.weibull(a, size=None)#
从威布尔分布中抽取样本。
从具有给定形状参数 a 的单参数威布尔分布中抽取样本。
\[X = (-ln(U))^{1/a}\]这里,U 从 (0,1] 上的均匀分布中抽取。
更常见的双参数威布尔(包括比例参数 \(\lambda\))只是 \(X = \lambda(-ln(U))^{1/a}\)。
- 参数:
- afloat 或类似数组的浮点数
分布的形状参数。必须是非负的。
- 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),如果a
是标量,则返回单个值。否则,抽取np.array(a).size
个样本。
- 返回值:
- outndarray 或标量
从参数化的威布尔分布中抽取的样本。
备注
威布尔(或最小值的 III 型渐近极值分布,SEV III 型,或 Rosin-Rammler 分布)是一类广义极值 (GEV) 分布中的一种,用于模拟极值问题。此类包括 Gumbel 和 Frechet 分布。
威布尔分布的概率密度为
\[p(x) = \frac{a} {\lambda}(\frac{x}{\lambda})^{a-1}e^{-(x/\lambda)^a},\]其中 \(a\) 是形状,\(\lambda\) 是比例。
该函数在 \(\lambda(\frac{a-1}{a})^{1/a}\) 处达到峰值(众数)。
当
a = 1
时,威布尔分布简化为指数分布。参考文献
[1]Waloddi Weibull,皇家理工学院,斯德哥尔摩,1939 年“材料强度的统计理论”,Ingeniorsvetenskapsakademiens Handlingar Nr 151,1939 年,Generalstabens Litografiska Anstalts Forlag,斯德哥尔摩。
[2]Waloddi Weibull,“一种广泛适用的统计分布函数”,应用力学杂志 ASME 论文 1951 年。
[3]维基百科,“威布尔分布”,https://en.wikipedia.org/wiki/Weibull_distribution
示例
从分布中抽取样本
>>> rng = np.random.default_rng() >>> a = 5. # shape >>> s = rng.weibull(a, 1000)
显示样本的直方图以及概率密度函数
>>> import matplotlib.pyplot as plt >>> def weibull(x, n, a): ... return (a / n) * (x / n)**(a - 1) * np.exp(-(x / n)**a) >>> count, bins, _ = plt.hist(rng.weibull(5., 1000)) >>> x = np.linspace(0, 2, 1000) >>> bin_spacing = np.mean(np.diff(bins)) >>> plt.plot(x, weibull(x, 1., 5.) * bin_spacing * s.size, label='Weibull PDF') >>> plt.legend() >>> plt.show()