numpy.random.RandomState.wald

RandomState.wald(mean, scale, size=None)

Генерация выборок из распределения Валда (обратного гауссова).

По мере приближения масштаба к бесконечности распределение становится более похожим на гауссово. Некоторые источники утверждают, что распределение Валда является обратным гауссовым с математическим ожиданием, равным 1, но это далеко не универсально.

Распределение обратного гаусса было впервые изучено в связи с броуновским движением. В 1956 году М.К.К. Твидди использовал название «обратное гауссово», так как существует обратная зависимость между временем, необходимым для преодоления единичного расстояния, и пройденным расстоянием за единицу времени.

Параметры:	mean : скаляр Математическое ожидание распределения, должно быть > 0. scale : скаляр Параметр масштаба, должен быть >= 0. size : целое число или кортеж целых чисел, необязательно Форма выходных данных. Если заданная форма, например, (m, n, k), то генерируется m * n * k выборок. По умолчанию None, в этом случае возвращается одно значение.
Возвращает:	samples : массив ndarray или скаляр Сгенерированная выборка, все значения больше нуля.

Примечания

Функция плотности вероятности для распределения Валда:

Как отмечалось выше, распределение обратного гаусса возникло из попыток моделировать броуновское движение. Оно также является конкурентом для распределения Вейбулла при моделировании надежности, а также моделировании рыночных показателей акций и процентных ставок.

Ссылки

[R201]

Brighton Webs Ltd., Распределение Валда, http://www.brighton-webs.co.uk/distributions/wald.asp

[R202]

Chhikara, Raj S., and Folks, J. Leroy, “Распределение обратного гаусса: теория, методология и приложения”, CRC Press, 1988.

[R203]

Википедия, «Распределение Валда» http://en.wikipedia.org/wiki/Wald_distribution

Примеры

Генерация значений из распределения и построение гистограммы:

>>> import matplotlib.pyplot as plt
>>> h = plt.hist(np.random.wald(3, 2, 100000), bins=200, normed=True)
>>> plt.show()

(Исходный код, png, pdf)