numpy.random.RandomState.beta

RandomState.beta(a, b, size=None)

Выборка образцов из бета-распределения.

Бета-распределение является частным случаем дирихле-распределения и связано с гамма-распределением. Его функция плотности вероятности

$f(x; a,b) = \frac{1}{B(\alpha, \beta)} x^{\alpha - 1} (1 - x)^{\beta - 1},$

где нормализация, B, — бета-функция,

$B(\alpha, \beta) = \int_0^1 t^{\alpha - 1} (1 - t)^{\beta - 1} dt.$

Часто используется в байесовском выводе и при работе с порядковыми статистиками.

Параметры:

Параметры:	`a : float or array_like of floats` Альфа, неотрицательное число. `b : float or array_like of floats` Бета, неотрицательное число. `size : int or tuple of ints, optional` Форма выходных данных. Если заданная форма, например, `(m, n, k)`, то `m * n * k` образцов выбираются. Если размерность `None` (по умолчанию), то возвращается одно значение, если `a` и `b` являются скалярами. В противном случае `np.broadcast(a, b).size` образцов выбираются.
Возвращает:	`out : ndarray or scalar` Выбранные образцы из параметризованного бета-распределения.

a : float or array_like of floats: Альфа, неотрицательное число.
b : float or array_like of floats: Бета, неотрицательное число.
size : int or tuple of ints, optional: Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k образцов выбираются. Если размерность None (по умолчанию), то возвращается одно значение, если a и b являются скалярами. В противном случае np.broadcast(a, b).size образцов выбираются.

Возвращает:

out : ndarray or scalar: Выбранные образцы из параметризованного бета-распределения.