numpy.random.laplace

numpy.random.laplace(loc=0.0, scale=1.0, size=None)

Выборка образцов из распределения Лапласа или двойного экспоненциального распределения со заданной локацией (или средним) и масштабом (затуханием).

Распределение Лапласа похоже на гауссово/нормальное распределение, но более крутое в пике и имеет более тяжелые хвосты. Оно представляет разницу между двумя независимыми, одинаково распределёнными экспоненциальными случайными величинами.

Примечание

Новый код должен использовать метод laplace экземпляра default_rng(); см. random-quick-start.

Параметры

locfloat or array_like of floats, optional

Положение, , пика распределения. По умолчанию 0.

scalefloat or array_like of floats, optional

, экспоненциальное затухание. По умолчанию 1. Должно быть неотрицательным.

sizeint or tuple of ints, optional

Форма выходных данных. Если заданная форма, например, (m, n, k), тогда m * n * k образцов выбираются. Если размер None (по умолчанию), возвращается одно значение, если loc и scale оба скаляры. В противном случае np.broadcast(loc, scale).size образцов выбираются.

Возвращаемые значения

outndarray or scalar

Выбранные образцы из параметризованного распределения Лапласа.

См. также

Generator.laplace

который следует использовать для нового кода.

Примечания

У него есть плотность вероятности

Первый закон Лапласа (1774 г.) гласит, что частота ошибки может быть выражена как экспоненциальная функция абсолютного значения ошибки, что приводит к распределению Лапласа. Для многих задач в экономике и здравоохранении это распределение, кажется, лучше моделирует данные, чем стандартное гауссово распределение.

Ссылки

1

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

2

Котц, Самуэль и др. «Распределение Лапласа и обобщения», Birkhauser, 2001.

3

Вайсштейн, Эрик В. «Распределение Лапласа». Из MathWorld — Wolfram Web Resource. http://mathworld.wolfram.com/LaplaceDistribution.html

4

Википедия, «Распределение Лапласа», https://en.wikipedia.org/wiki/Laplace_distribution

Примеры

Выбрать образцы из распределения

>>> loc, scale = 0., 1.
>>> s = np.random.laplace(loc, scale, 1000)

Отобразить гистограмму образцов вместе с функцией плотности вероятности:

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 30, density=True)
>>> x = np.arange(-8., 8., .01)
>>> pdf = np.exp(-abs(x-loc)/scale)/(2.*scale)
>>> plt.plot(x, pdf)

Построить график Гаусса для сравнения:

>>> g = (1/(scale * np.sqrt(2 * np.pi)) *
...      np.exp(-(x - loc)**2 / (2 * scale**2)))
>>> plt.plot(x,g)