numpy.random.RandomState.rayleigh#
方法
- random.RandomState.rayleigh(scale=1.0, size=None)#
从瑞利分布中抽取样本。
卡方(\(\chi\))分布和威布尔(Weibull)分布是瑞利分布的推广。
- 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。默认值为 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)
,则会抽取m * n * k
个样本。如果 size 为None
(默认),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
新代码应使用此函数。
备注
瑞利分布的概率密度函数为
\[P(x;scale) = \frac{x}{scale^2}e^{\frac{-x^2}{2 \cdotp scale^2}}\]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,则风速将服从瑞利分布。
参考文献
[1]Brighton Webs Ltd.,“瑞利分布”,https://web.archive.org/web/20090514091424/http://brighton-webs.co.uk:80/distributions/rayleigh.asp
[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,那么有多少比例的波浪可能高于 3 米?
>>> meanvalue = 1 >>> modevalue = np.sqrt(2 / np.pi) * meanvalue >>> s = np.random.rayleigh(modevalue, 1000000)
高于 3 米的波浪的百分比为
>>> 100.*sum(s>3)/1000000. 0.087300000000000003 # random