numpy.random.gamma

random.gamma(shape, scale=1.0, size=None)

Генерация случайных чисел из гамма-распределения.

Генерирует выборку случайных чисел из гамма-распределения со заданными параметрами, shape (иногда обозначаемый как “k”) и scale (иногда обозначаемый как “theta”), где оба параметра > 0.

Примечание

В новом коде следует использовать метод gamma экземпляра default_rng(); пожалуйста, обратитесь к Быстрому началу.

Параметры

shapefloat or array_like of floats

Форма гамма-распределения. Должно быть неотрицательным.

scalefloat or array_like of floats, optional

Масштаб гамма-распределения. Должно быть неотрицательным. По умолчанию равно 1.

sizeint or tuple of ints, optional

Форма выходных данных. Если заданная форма, например, (m, n, k), то генерируется m * n * k случайных чисел. Если size не задано (по умолчанию), возвращается одно значение, если shape и scale являются скалярами. В противном случае, генерируется np.broadcast(shape, scale).size случайных чисел.

Возвращает

outndarray or scalar

Генерированные случайные числа из заданного гамма-распределения.

См. также

scipy.stats.gamma

функция плотности вероятности, распределение или функция кумулятивного распределения и т.д.

Generator.gamma

которую следует использовать в новом коде.

Примечания

Плотность вероятности для гамма-распределения:

где – форма, – масштаб, и – гамма-функция.

Гамма-распределение часто используется для моделирования времени безотказной работы электронных компонентов и возникает естественным образом в процессах, для которых времена ожидания между событиями, распределёнными по Пуассону, имеют значение.

Ссылки

1

Weisstein, Eric W. “Gamma Distribution.” From MathWorld–A Wolfram Web Resource. http://mathworld.wolfram.com/GammaDistribution.html

2

Wikipedia, “Gamma distribution”, https://en.wikipedia.org/wiki/Gamma_distribution

Примеры

Генерация выборки из распределения:

>>> shape, scale = 2., 2.  # mean=4, std=2*sqrt(2)
>>> s = np.random.gamma(shape, scale, 1000)

Отображение гистограммы выборки вместе с функцией плотности вероятности:

>>> import matplotlib.pyplot as plt
>>> import scipy.special as sps  
>>> count, bins, ignored = plt.hist(s, 50, density=True)
>>> y = bins**(shape-1)*(np.exp(-bins/scale) /  
...                      (sps.gamma(shape)*scale**shape))
>>> plt.plot(bins, y, linewidth=2, color='r')  
>>> plt.show()