numpy.random.RandomState.weibull

метод

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

Генерирует выборку из распределения Вейбулла.

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

\[X = (-ln(U))^{1/a}\]

Здесь U выбирается из равномерного распределения на интервале (0,1].

Более распространенное двупараметрическое распределение Вейбулла, включая параметр масштаба \(\lambda\), задаётся формулой \(X = \lambda(-ln(U))^{1/a}\).

Примечание

Новый код должен использовать метод weibull экземпляра default_rng(), см. Быстрый старт.

Параметры

afloat или array_like из float

Параметр формы распределения. Должен быть неотрицательным.

sizeint или кортеж из int, необязательно

Форма выходных данных. Если заданная форма, например, (m, n, k), то генерируется m * n * k выборок. Если размер равен None (по умолчанию), то возвращается единственное значение, если a является скалярным. В противном случае генерируется np.array(a).size выборок.

Возвращает

outndarray или скаляр

Сгенерированные выборки из заданного распределения Вейбулла.

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 экстремальных значений типа III для наименьших значений, распределение Вейбулла, распределение Розина-Раммлера) относится к классу обобщённых распределений экстремальных значений (GEV), используемых для моделирования экстремальных задач. К этому классу относятся распределения Гумбеля и Фреше.

Плотность вероятности для распределения Вейбулла задается формулой

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

где \(a\) — параметр формы, а \(\lambda\) — параметр масштаба.

Функция имеет пик (моду) в точке \(\lambda(\frac{a-1}{a})^{1/a}\).

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

Ссылки

1

Waloddi Weibull, Королевский технический университет, Стокгольм, 1939 «Статистическая теория прочности материалов», Ingeniorsvetenskapsakademiens Handlingar № 151, 1939, Generalstabens Litografiska Anstalts Forlag, Стокгольм.

2

Waloddi Weibull, «Статистическая функция распределения с широкой областью применения», Журнал прикладной механики ASME, статья 1951.

3

Википедия, «Распределение Вейбулла», https://en.wikipedia.org/wiki/Weibull_distribution

Примеры

Генерирует выборку из распределения:

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

Отображает гистограмму 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()