numpy.random.Generator.beta

метод

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

Выборка образцов из бета-распределения.

Бета-распределение является частным случаем дирихле-распределения и связано с гамма-распределением. Оно имеет функцию плотности вероятности

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

где нормализация, B, — это бета-функция,

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

Она часто используется в байесовском выводе и порядковых статистиках.

Параметры:

Параметры:	`a : float or array_like of floats` Альфа, положительное значение (>0). `b : float or array_like of floats` Бета, положительное значение (>0). `size : int or tuple of ints, optional` Форма выходных данных. Если заданная форма, например, `(m, n, k)`, то `m * n * k` образцов выбираются. Если размер — `None` (значение по умолчанию), возвращается единственное значение, если `a` и `b` являются скалярами. В противном случае, `np.broadcast(a, b).size` образцов выбираются.
Возвращает:	`out : ndarray or scalar` Образцы, выбранные из параметризованного бета-распределения.

a : float or array_like of floats: Альфа, положительное значение (>0).
b : float or array_like of floats: Бета, положительное значение (>0).
size : int or tuple of ints, optional: Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k образцов выбираются. Если размер — None (значение по умолчанию), возвращается единственное значение, если a и b являются скалярами. В противном случае, np.broadcast(a, b).size образцов выбираются.

Возвращает:

out : ndarray or scalar: Образцы, выбранные из параметризованного бета-распределения.