numpy.random.RandomState.triangular

метод

random.RandomState.triangular(left, mode, right, size=None)

Генерирует выборки из треугольного распределения на интервале [left, right].

Треугольное распределение — это непрерывное вероятностное распределение с нижним пределом left, пиком в mode и верхним пределом right. В отличие от других распределений, эти параметры напрямую определяют форму функции плотности вероятности.

Примечание

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

Параметры:

leftfloat или array_like из float

Нижний предел.

modefloat или array_like из float

Значение, где происходит пик распределения. Значение должно удовлетворять условию left <= mode <= right.

rightfloat или array_like из float

Верхний предел, должен быть больше left.

sizeint или кортеж из int, необязательно

Форма выходных данных. Если заданная форма, например, (m, n, k), то m * n * k выборок генерируются. Если size — None (по умолчанию), возвращается одно значение, если left, mode, и right являются скалярами. В противном случае np.broadcast(left, mode, right).size выборок генерируются.

Возвращаемое значение:

outndarray или скаляр

Сгенерированные выборки из параметризованного треугольного распределения.

См. также

random.Generator.triangular

который следует использовать для нового кода.

Примечания

Функция плотности вероятности для треугольного распределения:

\[\begin{split}P(x;l, m, r) = \begin{cases} \frac{2(x-l)}{(r-l)(m-l)}& \text{для $l \leq x \leq m$},\\ \frac{2(r-x)}{(r-l)(r-m)}& \text{для $m \leq x \leq r$},\\ 0& \text{в противном случае}. \end{cases}\end{split}\]

Треугольное распределение часто используется в плохо определенных задачах, где базовое распределение неизвестно, но известно несколько ограничений и мода. Часто используется в симуляциях.

Ссылки

[1]

Википедия, “Треугольное распределение” https://en.wikipedia.org/wiki/Triangular_distribution

Примеры

Генерировать значения из распределения и построить гистограмму:

>>> import matplotlib.pyplot as plt
>>> h = plt.hist(np.random.triangular(-3, 0, 8, 100000), bins=200,
...              density=True)
>>> plt.show()