numpy.random.RandomState.vonmises

RandomState.vonmises(mu, kappa, size=None)

Выборка образцов из распределения фон Мизеса.

Образцы выбираются из распределения фон Мизеса с заданной модой (mu) и дисперсией (kappa) на интервале [-π, π].

Распределение фон Мизеса (также известное как круговое нормальное распределение) — это непрерывное распределение вероятностей на единичной окружности. Его можно рассматривать как круговой аналог нормального распределения.

Параметры:	mu : float Мода («центр») распределения. kappa : float Дисперсия распределения, должна быть ≥0. size : int или кортеж из целых чисел, необязательно Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k образцов выбираются. По умолчанию None, в этом случае возвращается единственное значение.
Возвращает:	samples : скаляр или массив ndarray Возвращаемые образцы, которые находятся в интервале [-π, π].

См. также

scipy.stats.distributions.vonmises

функция плотности вероятности, распределение или кумулятивная функция распределения и т. д.

Примечания

Плотность вероятности для распределения фон Мизеса:

где — мода, — дисперсия, и — модифицированная функция Бесселя нулевого порядка.

Распределение фон Мизеса названо в честь Рихарда Эдлера фон Мизеса, родившегося в Австро-Венгрии, в настоящее время на территории Украины. Он бежал в Соединенные Штаты в 1939 году и стал профессором в Гарварде. Он работал в теории вероятностей, аэродинамике, механике жидкости и философии науки.

Ссылки

[R199]

Абрамович, М. и Стегун, И. А. (ред.). «Справочник по математическим функциям с формулами, графиками и математическими таблицами, 9-е издание», Нью-Йорк: Dover, 1972.

[R200]

фон Мизес, Р., «Математическая теория вероятностей и статистики», Нью-Йорк: Academic Press, 1964.

Примеры

Выборка образцов из распределения:

>>> mu, kappa = 0.0, 4.0 # mean and dispersion
>>> s = np.random.vonmises(mu, kappa, 1000)

Отображение гистограммы образцов вместе с функцией плотности вероятности:

>>> import matplotlib.pyplot as plt
>>> from scipy.special import i0
>>> plt.hist(s, 50, normed=True)
>>> x = np.linspace(-np.pi, np.pi, num=51)
>>> y = np.exp(kappa*np.cos(x-mu))/(2*np.pi*i0(kappa))
>>> plt.plot(x, y, linewidth=2, color='r')
>>> plt.show()

(Исходный код)