NumPy 1.14 - numpy.random.laplace()

numpy.random.laplace




numpy

numpy.random.laplace

numpy.random.laplace(loc=0.0, scale=1.0, size=None)

निर्दिष्ट स्थान (या माध्य) और पैमाने (क्षय) के साथ लाप्लास या दोहरे घातांक वितरण से नमूने लें।

लाप्लास वितरण गाऊसी / सामान्य वितरण के समान है, लेकिन चरम पर तेज है और इसमें फेटल टेल हैं। यह दो स्वतंत्र, समान रूप से वितरित घातीय यादृच्छिक चर के बीच अंतर का प्रतिनिधित्व करता है।

पैरामीटर:

नियंत्रण रेखा : फ्लोट या array_like की फ्लोट्स, वैकल्पिक

स्थिति, \ म्यू वितरण चोटी के। डिफ़ॉल्ट 0 है।

पैमाना : फ्लोट्स का फ्लोट या array_like, वैकल्पिक

\ lambda घातांक क्षय। डिफ़ॉल्ट 1 है।

आकार : इंट या टुपल इन्टस, वैकल्पिक

आउटपुट आकार। यदि दी गई आकृति है, जैसे, (m, n, k) , तो m * n * k नमूने खींचे जाते हैं। यदि आकार None (डिफ़ॉल्ट), तो एक मान लौटाया जाता है यदि loc और scale दोनों स्केलर हैं। अन्यथा, np.broadcast(loc, scale).size नमूने तैयार किए जाते हैं।

यह दिखाता है:

बाहर : ndarray या स्केलर

पैरामीटर किए गए लाप्लास वितरण से नमूने लिए गए।

टिप्पणियाँ

यह संभावना घनत्व समारोह है

f (x; \ mu, \ lambda) = \ frac {1} {2 \ lambda} \ exp \ left (- \ frac {| x - \ mu |} {\ lambda} \ right)

लाप्लास का पहला नियम, 1774 से, बताता है कि त्रुटि की आवृत्ति को त्रुटि के पूर्ण परिमाण के एक घातीय कार्य के रूप में व्यक्त किया जा सकता है, जो लाप्लास वितरण की ओर जाता है। अर्थशास्त्र और स्वास्थ्य विज्ञान में कई समस्याओं के लिए, यह वितरण मानक गाऊसी वितरण की तुलना में डेटा को बेहतर ढंग से मॉडल करता है।

संदर्भ

[R457460] अब्रामोवित्ज़, एम। और स्टगुन, आईए (ईडीएस)। "हैंडबुक ऑफ़ मैथेमेटिकल फ़ंक्शन्स विद फ़ार्मुले, ग्राफ़्स एंड मैथमेटिकल टेबल, 9 वीं प्रिंटिंग," न्यूयॉर्क: डोवर, 1972।
[R458460] कोट्ज़, सैमुअल, एट। अल। "द लैप्लस डिस्ट्रीब्यूशन एंड जेनुअलाइजेशन," बिर्कहोसर, 2001।
[R459460] वीसस्टीन, एरिक डब्ल्यू। "लाप्लास डिस्ट्रीब्यूशन।" मैथवर्ल्ड से- वोल्फ्राम वेब रिसोर्स। http://mathworld.wolfram.com/LaplaceDistribution.html
[R460460] विकिपीडिया, "लाप्लास वितरण", http://en.wikipedia.org/wiki/Laplace_distribution

उदाहरण

वितरण से नमूने लें

>>> loc, scale = 0., 1.
>>> s = np.random.laplace(loc, scale, 1000)

संभाव्यता घनत्व फ़ंक्शन के साथ नमूनों का हिस्टोग्राम प्रदर्शित करें:

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 30, normed=True)
>>> x = np.arange(-8., 8., .01)
>>> pdf = np.exp(-abs(x-loc)/scale)/(2.*scale)
>>> plt.plot(x, pdf)

तुलना के लिए प्लॉट गाऊसी:

>>> g = (1/(scale * np.sqrt(2 * np.pi)) *
...      np.exp(-(x - loc)**2 / (2 * scale**2)))
>>> plt.plot(x,g)
../../_images/numpy-random-laplace-1.png