numpy.random.poisson

random.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。

注意

新代码应使用 poisson 方法，该方法是 Generator 实例的；请参阅 快速入门。

参数:

lamfloat 或 float 的类似数组对象

在固定时间间隔内发生的事件的预期数量，必须 >= 0。序列必须在请求的大小上可广播。

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），则如果 lam 是标量，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。

另请参阅

random.Generator.poisson

新代码应使用该方法。

注释

泊松分布的概率质量函数 (PMF) 是

\[f(k; \lambda)=\frac{\lambda^k e^{-\lambda}}{k!}\]

对于预期间隔为 \(\lambda\) 的事件，泊松分布 \(f(k; \lambda)\) 描述了在观察间隔 \(\lambda\) 内发生 \(k\) 个事件的概率。

由于输出限制为 C int64 类型的范围，因此当 lam 在最大可表示值的 10 个标准差内时，会引发 ValueError。

参考

[1]

Weisstein, Eric W. “泊松分布。” 来自 MathWorld–一个 Wolfram Web 资源。 https://mathworld.wolfram.com/PoissonDistribution.html

[2]

Wikipedia，“泊松分布”， https://en.wikipedia.org/wiki/Poisson_distribution

示例

从分布中抽取样本

>>> 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 各抽取 100 个值

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