numpy.random.RandomState.weibull#
方法
- random.RandomState.weibull(a, size=None)#
从 Weibull 分布中抽取样本。
从具有给定形状参数 a 的单参数 Weibull 分布中抽取样本。
\[X = (-ln(U))^{1/a}\]这里，U 是从 (0,1] 上的均匀分布中抽取的。
更常见的双参数 Weibull 分布，包括尺度参数 \(\lambda\)，只是 \(X = \lambda(-ln(U))^{1/a}\)。
- 参数:
- afloat 或 float 的类数组
分布的形状参数。必须为非负数。
- sizeint 或 int 的元组，可选
输出形状。如果给定的形状是，例如，
(m, n, k)，则抽取m * n * k个样本。如果 size 是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:
- outndarray 或标量
从参数化的 Weibull 分布中抽取的样本。
另请参阅
注释
Weibull（或最小值的 III 型渐近极值分布，SEV III 型或 Rosin-Rammler 分布）是用于建模极值问题的一类广义极值 (GEV) 分布之一。此类包括 Gumbel 和 Frechet 分布。
Weibull 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，\(\lambda\) 是尺度。
该函数的峰值（众数）在 \(\lambda(\frac{a-1}{a})^{1/a}\)。
当
a = 1时，Weibull 分布简化为指数分布。参考文献
[1]Waloddi Weibull, 斯德哥尔摩皇家技术大学，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，“具有广泛适用性的统计分布函数”，美国机械工程师学会应用力学论文 1951。
[3]维基百科，“Weibull 分布”，https://en.wikipedia.org/wiki/Weibull_distribution
示例
从分布中抽取样本
>>> a = 5. # shape >>> s = np.random.weibull(a, 1000)
显示样本的直方图以及概率密度函数
>>> import matplotlib.pyplot as plt >>> x = np.arange(1,100.)/50. >>> def weib(x,n,a): ... return (a / n) * (x / n)**(a - 1) * np.exp(-(x / n)**a)
>>> count, bins, ignored = plt.hist(np.random.weibull(5.,1000)) >>> x = np.arange(1,100.)/50. >>> scale = count.max()/weib(x, 1., 5.).max() >>> plt.plot(x, weib(x, 1., 5.)*scale) >>> plt.show()
