numpy.random.RandomState.poisson

方法

random.RandomState.poisson(lam=1.0, size=None)

从泊松分布中抽取样本。

泊松分布是当 N 很大时二项分布的极限。

注意

新代码应使用 poisson 方法，而不是 Generator 实例；请参阅 快速入门。

参数:

lamfloat 或类似数组的浮点数

在固定时间间隔内发生的事件的预期数量，必须 >= 0。序列必须可以广播到请求的大小。

sizeint 或 int 元组，可选

输出形状。如果给定的形状为，例如，(m, n, k)，则将绘制 m * n * k 个样本。如果 size 为 None（默认），如果 lam 是标量，则返回单个值。否则，将绘制 np.array(lam).size 个样本。

返回值:

outndarray 或标量

从参数化的泊松分布中绘制的样本。

另请参阅

random.Generator.poisson

应用于新代码。

注释

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 个标准差范围内时，会引发 ValueError。

参考资料

[1]

Weisstein, Eric W. “Poisson Distribution.” From MathWorld–A Wolfram Web Resource. https://mathworld.wolfram.com/PoissonDistribution.html

[2]

维基百科，“泊松分布”，https://en.wikipedia.org/wiki/Poisson_distribution

示例

从分布中绘制样本

>>> import numpy as np
>>> s = np.random.poisson(5, 10000)

显示样本的直方图

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 14, density=True)
>>> plt.show()

为 lambda 100 和 500 绘制每个 100 个值

>>> s = np.random.poisson(lam=(100., 500.), size=(100, 2))