numpy.random.RandomState.weibull

метод

random.RandomState.weibull(a, size=None)

Генерация выборок из распределения Вейбулла.

Генерирует выборки из одномерного распределения Вейбулла с заданным параметром формы a.

$X = (-ln(U))^{1/a}$

Здесь U — случайная величина, равномерно распределённая на интервале (0, 1].

Более общее двухпараметрическое распределение Вейбулла, включающее параметр масштаба $\lambda$ задаётся как $X = \lambda(-ln(U))^{1/a}$ .

Примечание

Новый код должен использовать метод weibull экземпляра default_rng() вместо этого; см. Быстрый старт.

Параметры

afloat or array_like of floats: Параметр формы распределения. Должен быть неотрицательным.
sizeint or tuple of ints, optional: Форма выходных данных. Если заданная форма, например, (m, n, k), то генерируется m * n * k выборок. Если размерность не задана (по умолчанию), то возвращается единственное значение, если a скаляр. В противном случае генерируется np.array(a).size выборок.

Возвращает

outndarray or scalar: Генерированные выборки из распределения Вейбулла с заданными параметрами.

См. также

scipy.stats.weibull_max
scipy.stats.weibull_min
scipy.stats.genextreme
gumbel
Generator.weibull: который следует использовать в новом коде.

Примечания

Распределение Вейбулла (или распределение типа III асимптотического экстремального значения для наименьших значений, распределение SEV типа III или распределение Розина—Раммлера) — это одно из семейства распределений обобщённого экстремального значения (GEV), используемых в задачах моделирования экстремальных значений. В это семейство также входят распределения Гумбеля и Фреше.

Плотность вероятности распределения Вейбулла задаётся как

$p(x) = \frac{a} {\lambda}(\frac{x}{\lambda})^{a-1}e^{-(x/\lambda)^a},$

где $a$ — параметр формы, а $\lambda$ — параметр масштаба.

Функция достигает максимума (моды) в точке $\lambda(\frac{a-1}{a})^{1/a}$ .

Когда a = 1, распределение Вейбулла сводится к экспоненциальному распределению.

Ссылки

1: Валодди Вейбулл, Королевский технологический университет, Стокгольм, 1939 “Статистическая теория прочности материалов”, Труды Шведской академии инженерных наук № 151, 1939, Литография Генерального штаба, Стокгольм.
2: Валодди Вейбулл, “Статистическая функция распределения с широким применением”, Журнал прикладной механики ASME, статья 1951.
3: Википедия, “Распределение Вейбулла”, https://en.wikipedia.org/wiki/Weibull_distribution

Примеры

Генерация выборок из распределения:

>>> a = 5. # shape
>>> s = np.random.weibull(a, 1000)

Вывод гистограммы выборок вместе с функцией плотности вероятности:

>>> import matplotlib.pyplot as plt
>>> x = np.arange(1,100.)/50.
>>> def weib(x,n,a):
...     return (a / n) * (x / n)**(a - 1) * np.exp(-(x / n)**a)

>>> count, bins, ignored = plt.hist(np.random.weibull(5.,1000))
>>> x = np.arange(1,100.)/50.
>>> scale = count.max()/weib(x, 1., 5.).max()
>>> plt.plot(x, weib(x, 1., 5.)*scale)
>>> plt.show()

../../../_images/numpy-random-RandomState-weibull-1.png

© 2005–2021 NumPy Developers
Licensed under the 3-clause BSD License.
https://numpy.org/doc/1.20/reference/random/generated/numpy.random.RandomState.weibull.html