NumPy 1.14 - RandomState.standard_gamma()

numpy.random.RandomState.standard_gamma




numpy

numpy.random.RandomState.standard_gamma

RandomState.standard_gamma(shape, size=None)

एक मानक गामा वितरण से नमूने खींचें।

नमूने एक गामा वितरण से निर्दिष्ट मापदंडों, आकार (कभी-कभी नामित "के") और स्केल = 1 के साथ तैयार किए जाते हैं।

पैरामीटर:

आकार : फ्लोट्स की फ़्लोट या array_like

पैरामीटर, 0 होना चाहिए।

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 shape एक अदिश राशि है। अन्यथा, np.array(shape).size नमूने तैयार किए जाते हैं।

यह दिखाता है:

बाहर : ndarray या स्केलर

पैरामीटर किए गए मानक गामा वितरण से नमूने खींचे।

यह भी देखें

scipy.stats.gamma
संभाव्यता घनत्व फ़ंक्शन, वितरण या संचयी घनत्व फ़ंक्शन, आदि।

टिप्पणियाँ

गामा वितरण के लिए संभाव्यता घनत्व है

p (x) = x ^ {k-1} \ frac {e ^ {- x / \ theta}} {\ थीटा ^ k \ Gamma (k)},)

कहा पे कश्मीर आकार है और \ थीटा पैमाने, और \ गामा गामा समारोह है।

गामा वितरण का उपयोग अक्सर इलेक्ट्रॉनिक घटकों की विफलता के समय के लिए किया जाता है, और स्वाभाविक रूप से उन प्रक्रियाओं में उत्पन्न होता है जिनके लिए पॉइसन वितरित घटनाओं के बीच प्रतीक्षा समय प्रासंगिक है।

संदर्भ

[R389390] वीसस्टीन, एरिक डब्ल्यू। "गामा वितरण।" मैथवर्ल्ड से- एक वोल्फ्राम वेब संसाधन। http://mathworld.wolfram.com/GammaDistribution.html
[R390390] विकिपीडिया, "गामा वितरण", http://en.wikipedia.org/wiki/Gamma_distribution

उदाहरण

वितरण से नमूने लें:

>>> shape, scale = 2., 1. # mean and width
>>> s = np.random.standard_gamma(shape, 1000000)

संभाव्यता घनत्व फ़ंक्शन के साथ नमूनों का हिस्टोग्राम प्रदर्शित करें:

>>> import matplotlib.pyplot as plt
>>> import scipy.special as sps
>>> count, bins, ignored = plt.hist(s, 50, normed=True)
>>> y = bins**(shape-1) * ((np.exp(-bins/scale))/ \
...                       (sps.gamma(shape) * scale**shape))
>>> plt.plot(bins, y, linewidth=2, color='r')
>>> plt.show()
../../_images/numpy-random-RandomState-standard_gamma-1.png