numpy.random.rayleigh

random.rayleigh(scale=1.0, size=None)

从瑞利分布中抽取样本。

\(\chi\) 和 Weibull 分布是瑞利分布的推广。

注意

新的代码应该使用 rayleigh 方法，而不是 Generator 实例；请参阅 快速入门.

参数:

scalefloat 或 array_like of floats，可选

比例，也等于众数。必须是非负数。默认值为 1。

sizeint 或 int 元组，可选

输出形状。如果给定的形状为，例如，(m, n, k)，则会抽取 m * n * k 个样本。如果 size 为 None（默认值），则如果 scale 是标量，则返回单个值。否则，将抽取 np.array(scale).size 个样本。

返回值:

outndarray 或标量

从参数化的瑞利分布中抽取的样本。

另请参阅

random.Generator.rayleigh

应该用于新代码。

注释

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，则瑞利分布就会出现。那么风速将具有瑞利分布。

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)

波高倾向于遵循瑞利分布。如果平均波高为 1 米，那么有多少比例的波浪可能大于 3 米？

>>> meanvalue = 1
>>> modevalue = np.sqrt(2 / np.pi) * meanvalue
>>> s = np.random.rayleigh(modevalue, 1000000)

大于 3 米的波浪的百分比为

>>> 100.*sum(s>3)/1000000.
0.087300000000000003 # random