NumPy 1.14 - numpy.random.standard_cauchy()

numpy.random.standard_cauchy




numpy

numpy.random.standard_cauchy

numpy.random.standard_cauchy(size=None)

मोड = 0 के साथ एक मानक कॉची वितरण से नमूने खींचें।

लोरेंत्ज़ वितरण के रूप में भी जाना जाता है।

पैरामीटर:

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। डिफ़ॉल्ट कोई भी नहीं है, जिस स्थिति में एकल मान लौटाया जाता है।

यह दिखाता है:

नमूने : ndarray या अदिश

खींचे गए नमूने।

टिप्पणियाँ

पूर्ण कॉची वितरण के लिए संभाव्यता घनत्व कार्य है

P (x; x_0, \ Gamma) = \ frac {1} {\ pi \ gamma \ bigl [1+ (\ frac {x-x_0} {\ gamma}) ^ 2 \ bigr]}

और मानक कॉची वितरण बस सेट करता है x_0 = 0 तथा \ गामा = 1

चालित हार्मोनिक थरथरानवाला समस्या के समाधान में कॉची वितरण उत्पन्न होता है, और वर्णक्रमीय रेखा को व्यापक बनाने का भी वर्णन करता है। यह उन मूल्यों के वितरण का भी वर्णन करता है जिस पर एक यादृच्छिक कोण पर झुकी हुई रेखा एक्स अक्ष को काट देगी।

परिकल्पना परीक्षणों का अध्ययन करते समय, जो सामान्यता का अनुमान लगाते हैं, यह देखते हुए कि कैची वितरण से डेटा पर परीक्षण कैसे करते हैं, एक भारी-पूंछ वाले वितरण के लिए उनकी संवेदनशीलता का एक अच्छा संकेतक है, क्योंकि कॉची एक गाऊसी वितरण की तरह बहुत दिखता है, लेकिन भारी पूंछ के लिए।

संदर्भ

[R525527] NIST / SEMATECH ई-हैंडबुक ऑफ स्टेटिकल मेथड्स, "कॉची डिस्ट्रीब्यूशन", http://www.itl.nist.gov/div898/handbook/eda/section3/eda3663.htm
[R526527] वीसस्टीन, एरिक डब्ल्यू। "कैची वितरण।" मैथवर्ल्ड से- एक वोल्फ्राम वेब संसाधन। http://mathworld.wolfram.com/CauchyDistribution.html
[R527527] विकिपीडिया, "कैची वितरण" http://en.wikipedia.org/wiki/Cauchy_distribution

उदाहरण

नमूने खींचें और वितरण की साजिश करें:

>>> s = np.random.standard_cauchy(1000000)
>>> s = s[(s>-25) & (s<25)]  # truncate distribution so it plots well
>>> plt.hist(s, bins=100)
>>> plt.show()