numpy.random.exponential

numpy.random.exponential(scale=1.0, size=None)

Генерация выборок из экспоненциального распределения.

Его функция плотности вероятности равна

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

для x > 0 и 0 в противном случае. $\beta$ — параметр масштаба, являющийся обратной величиной параметра скорости $\lambda = 1/\beta$ . Параметр скорости — это альтернативная, широко используемая параметризация экспоненциального распределения [R227].

Экспоненциальное распределение является непрерывным аналогом геометрического распределения. Оно описывает многие распространённые ситуации, такие как размер капель дождя, измеренные во время многих ливней [R225], или время между запросами на страницы в Википедии [R226].

Параметры:

Параметры:	scale : float или array_like чисел с плавающей точкой Параметр масштаба, $\beta = 1/\lambda$ . size : целое число или кортеж целых чисел, необязательно Форма выходных данных. Если заданная форма, например, `(m, n, k)`, то `m * n * k` выборок генерируются. Если размер равен `None` (по умолчанию), возвращается единственное значение, если `scale` является скаляром. В противном случае `np.array(scale).size` выборок генерируются.
Возвращаемое значение:	out : ndarray или скаляр Сгенерированные выборки из заданного экспоненциального распределения.

scale : float или array_like чисел с плавающей точкой

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

size : целое число или кортеж целых чисел, необязательно

Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k выборок генерируются. Если размер равен None (по умолчанию), возвращается единственное значение, если scale является скаляром. В противном случае np.array(scale).size выборок генерируются.

Возвращаемое значение:

out : ndarray или скаляр

Сгенерированные выборки из заданного экспоненциального распределения.

Ссылки

[R225]

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

[R226]

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

[R227]

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

© 2005–2019 NumPy Developers
Licensed under the 3-clause BSD License.
https://docs.scipy.org/doc/numpy-1.14.5/reference/generated/numpy.random.exponential.html