numpy.random.poisson

random.poisson(lam=1.0, size=None)

Выборка из пуассоновского распределения.

Пуассоновское распределение является пределом биномиального распределения при большом N.

Примечание

Новый код должен использовать метод poisson экземпляра Generator; см. Быстрый старт.

Параметры:

lamfloat или array_like из float

Ожидаемое число событий, происходящих за фиксированный промежуток времени, должно быть >= 0. Последовательность должна быть транслируема по запрошенному размеру.

sizeint или кортеж из int, необязательно

Форма вывода. Если заданная форма, например, (m, n, k), то m * n * k выборок генерируются. Если размер равен None (по умолчанию), возвращается одно значение, если lam является скаляром. В противном случае np.array(lam).size выборок генерируются.

Возвращаемые значения:

outndarray или скаляр

Сгенерированные выборки из пуассоновского распределения с заданными параметрами.

См. также

random.Generator.poisson

который следует использовать для нового кода.

Примечания

Пуассоновское распределение

\[f(k; \lambda)=\frac{\lambda^k e^{-\lambda}}{k!}\]

Для событий с ожидаемым расстоянием \(\lambda\) пуассоновское распределение \(f(k; \lambda)\) описывает вероятность \(k\) событий, происходящих в наблюдаемом интервале \(\lambda\).

Поскольку вывод ограничен диапазоном типа C int64, при lam значение находится в пределах 10 сигм от максимального представимого значения, генерируется ValueError.

Ссылки

[1]

Weisstein, Eric W. “Poisson Distribution.” From MathWorld–A Wolfram Web Resource. https://mathworld.wolfram.com/PoissonDistribution.html

[2]

Wikipedia, “Poisson distribution”, https://en.wikipedia.org/wiki/Poisson_distribution

Примеры

Генерация выборок из распределения:

>>> import numpy as np
>>> s = np.random.poisson(5, 10000)

Вывод гистограммы выборки:

>>> import matplotlib.pyplot as plt
>>> count, bins, ignored = plt.hist(s, 14, density=True)
>>> plt.show()

Генерация по 100 значений для lambda 100 и 500:

>>> s = np.random.poisson(lam=(100., 500.), size=(100, 2))