numpy.random.RandomState.exponential

RandomState.exponential(scale=1.0, size=None)

Генерация случайных чисел из экспоненциального распределения.

Его функция плотности вероятности

$f(x; \frac{1}{\beta}) = \frac{1}{\beta} \exp(-\frac{x}{\beta}),$

для x > 0 и 0 в противном случае. $\beta$ — это параметр масштаба, который является обратным параметру скорости $\lambda = 1/\beta$ . Параметр скорости — это альтернативная, широко используемая параметризация экспоненциального распределения [R147].

Экспоненциальное распределение является непрерывным аналогом геометрического распределения. Оно описывает многие распространённые ситуации, такие как размер капель дождя, измеренный в течение многих ливней [R145], или время между запросами на страницы в Википедии [R146].

Параметры:

Параметры:	scale : float Параметр масштаба, $\beta = 1/\lambda$ . size : int или кортеж из целых чисел, необязательно Форма выходных данных. Если заданная форма, например, `(m, n, k)`, то `m * n * k` образцов генерируется. По умолчанию None, в этом случае возвращается единственное значение.

scale : float

Параметр масштаба, $\beta = 1/\lambda$ .

size : int или кортеж из целых чисел, необязательно

Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k образцов генерируется. По умолчанию None, в этом случае возвращается единственное значение.

Ссылки

[R145]

(1, 2) Peyton Z. Peebles Jr., “Probability, Random Variables and Random Signal Principles”, 4th ed, 2001, p. 57.

[R146]

(1, 2) “Процесс Пуассона”, Википедия, http://en.wikipedia.org/wiki/Poisson_process

[R147]

(1, 2) “Экспоненциальное распределение”, Википедия, http://en.wikipedia.org/wiki/Exponential_distribution

© 2008–2016 NumPy Developers
Licensed under the NumPy License.
https://docs.scipy.org/doc/numpy-1.10.1/reference/generated/numpy.random.RandomState.exponential.html