NumPy 1.14 - RandomState.weibull()

numpy.random.RandomState.weibull




numpy

numpy.random.RandomState.weibull

RandomState.weibull(a, size=None)

वीबुल वितरण से नमूने ड्रा करें।

दिए गए आकार के पैरामीटर के साथ 1-पैरामीटर वेइबुल वितरण से नमूने ड्रा करें।

X = (-ln (U)) ^ {1 / a}

यहां, यू को एक समान वितरण (0,1) से अधिक ड्रॉ किया गया है।

स्केल पैरामीटर सहित अधिक सामान्य 2-पैरामीटर वेइबुल \ lambda सिर्फ X = \ lambda (-ln (U)) ^ {1 / a}

पैरामीटर:

a : फ्लोट्स का फ्लोट या array_like

वितरण का आकार। शून्य से अधिक 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 एक लौटाया जाता है यदि एक अदिश राशि है। अन्यथा, np.array(a).size नमूने तैयार किए गए हैं।

यह दिखाता है:

बाहर : ndarray या स्केलर

पैरामीटर किए गए वीबुल वितरण से नमूने खींचे।

टिप्पणियाँ

वेइबुल (या टाइप III एसिम्प्टोटिक एक्सट्रीम वैल्यू डिस्ट्रीब्यूशन फॉर स्मॉलटेस्ट वैल्यूज़, एसईवी टाइप III, या रोसिन-रम्बलर डिस्ट्रीब्यूशन) जनरल एक्सट्रीम वैल्यू (जीईवी) डिस्ट्रीब्यूशन के एक वर्ग में से एक है, जिसका उपयोग अत्यधिक मूल्य की समस्याओं के लिए किया जाता है। इस वर्ग में Gumbel और Frechet वितरण शामिल हैं।

वीबुल वितरण के लिए संभावना घनत्व है

p (x) = \ frac {a} {\ _ lambda} (\ frac {x} {\ lambda}) ^ ^ a-1} e ^ {- (x / \ lambda) ^ a},)

कहा पे ए आकार है और \ lambda पैमाना।

समारोह में इसकी चोटी (मोड) है \ Lambda (\ frac {एक-1} {a}) ^ {1 / एक}

जब a = 1 , वीबुल वितरण घातांक वितरण को कम कर देता है।

संदर्भ

[R409411] Waloddi Weibull, Royal Technical University, स्टॉकहोम, 1939 €A स्टैटिस्टिकल थ्योरी ऑफ द मटिरियल्स €, Ingeniorsvetenskapsakademiens हैंडलिंगर Nr 151, 1939, Generalstabab Litografiska Anstalts Forlag, स्टॉकहोम।
[R410411] Waloddi Weibull, विस्तृत प्रयोज्यता के एक € WideA सांख्यिकीय वितरण समारोह, एप्लाइड मैकेनिक्स के जर्नल ASME 1951।
[R411411] विकिपीडिया, एक € ibवईबुल वितरण- http://en.wikipedia.org/wiki/Weibull_distribution

उदाहरण

वितरण से नमूने लें:

>>> a = 5. # shape
>>> s = np.random.weibull(a, 1000)

संभाव्यता घनत्व फ़ंक्शन के साथ नमूनों का हिस्टोग्राम प्रदर्शित करें:

>>> 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()
../../_images/numpy-random-RandomState-weibull-1.png